automatización y empleo en chile reporte final octubre 2017 · glosario • alto riesgo de...

Automatización y Empleo en Chile

REPORTE FINAL

Octubre 2017

ii

Esta nota técnica fue desarrollada por Fundación Chile para la Comisión Nacional de Productividad, en el Marco del proyecto “Estrategia para el desarrollo de competencias, habilidades y destrezas en el mundo del trabajo” Octubre 2017 Elaborado por:

Patrocinadores:

Equipo Técnico: Hernán Araneda (Fundación Chile) Paulina Peña (Fundación Chile) María José Bravo (Consultora) Rodrigo Hernández (Consultor)

iii

I�ndice

Índice ..................................................................................................................................... iii

Glosario ................................................................................................................................... 1

Introducción ........................................................................................................................... 2

Marco Conceptual .................................................................................................................. 3

Revisión de la Literatura y Evidencia Internacional ............................................................ 6

Estudios para Latinoamérica ............................................................................................. 13

Metodología ......................................................................................................................... 15

Datos para el Análisis ........................................................................................................ 15

Metodología de Análisis .................................................................................................... 16

Evolución de la Estructura del Empleo ................................................................................. 21

Polarización del empleo en el mundo .............................................................................. 21

Evolución de la estructura del empleo según tipo de ocupación ..................................... 22

Chile en el contexto OCDE .................................................................................................... 25

Ocupaciones y Sectores con Potencial de Automatización .................................................. 27

RII según Ocupaciones ...................................................................................................... 27

RII según Sector Económico .............................................................................................. 29

Potencial de Impacto de Automatización ......................................................................... 31

Caracterización Trabajadores con Potencial de Automatización ......................................... 34

Cuantificación Trabajadores con Potencial de Automatización ........................................... 45

Conclusiones ......................................................................................................................... 46

Desafíos para futuras investigaciones .............................................................................. 47

Referencias ........................................................................................................................... 48

Anexos .................................................................................................................................. 50

Anexo 1: Cálculo del Riesgo de Automatización ............................................................... 50

Anexo 2: Tabla de Agrupación de Categorías ................................................................... 52

Anexo 3: Evolución del Empleo con Ocupaciones NENE y CASEN .................................... 53

iv

Anexo 4: Resultados Adicionales Evolución del Empleo .................................................. 55

Anexo 5: Análisis comparativo cuartiles intensidad de rutina para manufactura y

servicios............................................................................................................................. 60

Anexo 6: Calificaciones en base a las ocupaciones CIUO 08. ........................................... 61

Anexo 7: Niveles de Desempeño PIAAC 2015: ................................................................. 62

Anexo 8: Modelos Econométricos .................................................................................... 65

1

Glosario

• Alto Riesgo de automatización: Corresponde aquellos empleos cuya

probabilidad de automatizarse es de 70% o más de acuerdo a la metodología

de Arntz et al (2016).

• Automatización: Se refiere a la adopción de tecnologías de información y

comunicación (TIC). En el caso de Frey y Osborne (2013) asocian la

automatización con la computarización, trabajos realizados por las

computadoras y algoritmos. Mientras que el estudio de McKinsey (Manyika et

al., 2017) lo asocia con el uso de robots en líneas de producción, inteligencia

artificial y máquinas.

• Cambio tecnológico: Corresponde a uno de los principales factores que

explica la polarización del empleo. Este término se usa como referencia

general cuando se habla de automatización y más recientemente de

digitalización, la inversión de nuevos materiales y tecnología de procesos

(OCDE, 2017a).

• Cuartiles de intensidad de rutina: se refiere a los niveles de intensidad de

rutina agrupado en cuatro niveles: no rutinario, baja rutina, rutina media y

rutina alta.

• Empleo rutinario: se refiere a los empleos de rutina media y alta.

• Empleo no rutinario: se refiere aquellos empleos que contienen un alto

porcentaje de tareas no rutinarias, relacionadas a aquellas de origen

cognitivas o abstractas y manuales.

• Empleo altamente rutinario: se refiere a los empleos de rutina alta.

• PIAAC: Programa de la OCDE para la Evaluación Internacional de Competencias para

Adultos.

• Polarización del empleo: se refiere a cambio en la composición del empleo,

en el que las ocupaciones de baja y alta cualificación ganan participación en el

empleo total a expensas de las ocupaciones medianamente cualificadas. El

cambio tecnológico es generalmente considerado como uno de los principales

factores detrás del efecto de polarización.

• RII: en su sigla en inglés Routine Intensity Index. El índice de intensidad de

rutina mide el promedio ponderado de los puntajes que asignan a las

respuestas de los trabajadores a las cuatro preguntas seleccionadas de la

PIAAC. El puntaje toma valores enteros entre 1 y 5, siendo 1 el menor nivel de

intensidad de rutina de las tareas realizadas, y 5 el mayor nivel de intensidad

de rutina.

2

Introduccion

El objetivo general del presente estudio, entendiendo la relevancia que el cambio

tecnológico tiene para el aumento de la productividad, es identificar cómo la

automatización incide en el empleo en Chile, considerando toda la información disponible

que permita analizar la situación actual.

Tomando en cuenta la problemática y la información disponible, se definen cuatro

objetivos específicos:

- Analizar la estructura del empleo para ver su evolución. - Calcular el Índice de Rutina de Chile y comparar con otros países. - Identificar qué ocupaciones y sectores económicos tienen potencial de automatización. - Caracterizar y cuantificar a los trabajadores con potencial de automatización.

Para estos efectos, el informe está compuesto por las siguientes secciones: la sección 1

presenta el marco conceptual que se utiliza en el estudio, describiendo la literatura

relevante sobre cambio tecnológico y empleo, y considerando evidencia internacional y

casos de Latinoamérica, la sección 2 describe la metodología utilizada detallando los datos

considerados para el análisis del caso chileno. La sección 3, presenta los resultados del

análisis sobre evolución del empleo en Chile, en la sección siguiente se presenta una

comparación con otros países del Índice de rutina, y en la sección 5 se identifican los

sectores económicos y ocupaciones en potencial riesgo de ser automatizados.

En la sección de resultados se caracterizan a los trabajadores con mayor potencial de

automatización, cuantificando a la población con empleos rutinarios. Finalmente, en la

sección 7, se hace referencia a las principales conclusiones y desafíos de este estudio.

3

MarcoConceptual

El contexto general del mundo actual presenta un bajo nivel de crecimiento, países

desarrollados donde las tasas de natalidad se presentan cada vez más bajas y una

población envejeciendo a pasos acelerados de acuerdo a informes de la OMS. Por otro

lado, para el caso de las economías emergentes, existe una menor demanda de recursos

naturales por parte de países como China, por lo que aumentar la productividad pasa a ser

un tema clave a nivel global (OCDE, 2017a).

En Chile el escenario es similar: el boom del precio de los commodities finalizó, por lo que

el crecimiento se ha visto fuertemente afectado (en tasas menores a un 2%). Por las

razones anteriores, se hace imperativo solventar un crecimiento sobre la base de

fundamentos sólidos y donde la productividad pasa a ser un tema clave.

Una forma de aumentar la productividad es mediante el desarrollo, implementación y el

uso de nuevas tecnologías, que permitan cambiar la forma de producir y proveer servicios.

La OCDE, en su documento titulado The Next Production Revolution: Implications for

Governments and Business (2017a), describe cómo las nuevas tecnologías promueven un

aumento en productividad por medio de diferentes canales. Algunos de ellos dicen

relación con:

• Los nuevos sensores, que podrían detectar necesidades de mantención antes de que las fallas ocurran.

• Las mejores capacidades de almacenamiento y procesamiento de datos permiten realizar mejores estimaciones de la demanda, lo que, combinado con el Internet de las Cosas (IoT), podría indicar exactamente cuándo un determinado refrigerador doméstico requiere ser reabastecido, y con ello optimizar los tiempos de entrega de los productos, así también como la reducción del costo de inventario.

• Innovaciones tales como las impresiones 3D podrían significar mayor eficiencia a través de la eliminación de algunas líneas de ensamblaje.

• La combinación de nuevos sensores, dispositivos de control, mayores capacidades de análisis de grandes volúmenes de datos y el IoT, están potenciando cada vez más el desarrollo de máquinas y sistemas autónomos e inteligentes, las que pueden contribuir a la disminución y eliminación de ciertos errores en los distintos procesos productivos.

• El desarrollo y uso de nuevos programas computacionales complejos, con mayor capacidad de procesamiento, podría implicar una reducción de costos importantes en el proceso de creación de nuevos materiales, puesto que permitiría probar los mismos a través de simuladores, evitando de esta manera el desarrollo físico del material y luego someterlo a las distintas pruebas. Un ejemplo de lo anterior, es el uso de nanotecnología para la creación de plásticos con conductividad eléctrica.

4

Sin embargo, la OCDE (2017a) también plantea que respecto a la dimensión del efecto en

productividad que tienen los cambios tecnológicos actuales, no hay suficiente evidencia

científica. Las estimaciones que existen provienen principalmente de estudios específicos

realizados por las propias empresas, utilizando diferentes metodologías (no

necesariamente tan fuertes en validez y confiabilidad). Por ejemplo, la implementación de

IoT podría reducir el costo de producción en promedio un 18% (Vodafone, 2015). El uso de

camiones de carga mineros autónomos puede aumentar entre un 15% y 20% el nivel de

producción, a la vez que se reducen los costos de combustible entre un 10% y un 15%, y

los de mantenimiento en un 8% (Frey et al., 2016).

El efecto en la productividad de los cambios tecnológicos requiere tiempo de adaptación,

ya que la mera disponibilidad de las nuevas tecnologías no asegura un uso exitoso que

aumente los niveles de productividad y eficiencia rápidamente. El progreso tecnológico y

la automatización se encuentran condicionados por factores tanto económicos, como

técnicos y sociales.

Las nuevas tecnologías requieren inversiones complementarias para su implementación.

Por ejemplo, el desarrollo de nuevas habilidades por parte de los trabajadores, nuevas

formas de organizar el trabajo y una adaptación o cambio total del modelo de negocios.

No solo se requiere tiempo, también debe existir una inversión de recursos.

Mckinsey (Manyika et al., 2017) describe que existen cinco factores que afectan el ritmo y

grado de adopción tecnológica. En primer lugar, la factibilidad técnica. Esto significa que

la tecnología tiene que ser inventada, integrada y adaptada a soluciones para el uso de

casos específicos. En segundo lugar, el costo de desarrollo e implementación de

soluciones, referido a los costos de hardware y software. En tercer lugar, la dinámica del

mercado laboral; es decir, la oferta, la demanda y los costos del trabajo humano afectan a

las actividades que serán automatizadas. En cuarto lugar está el beneficio económico, lo

cual incluye un mayor rendimiento y mayor calidad, junto con ahorros de costos laborales.

Finalmente, la aceptación regulatoria y social, que refiere a que aun cuando la

automatización tiene sentido comercial, la adopción puede tomar tiempo debido a las

barreras sociales y regulatorias.

Por otra parte, y en términos teóricos, Autor (2015) resalta el hecho de que las

innovaciones tecnológicas, al producir cambios en la productividad, podrían disminuir,

aumentar o mantener fijo el número de trabajadores en una firma dada. El nivel de

producción depende de cuán sensible al precio (elástica), sea la demanda por el bien que

produce dicha empresa. Si la demanda es sensible al precio, entonces la implementación

de una nueva tecnología que provoque una pequeña disminución del precio, se traduciría

5

en un aumento en la producción y, a su vez, en un mayor número de trabajadores

demandados por la empresa (Autor, 2015).

Un incremento de la productividad provocado por el uso de nuevas tecnologías podría

beneficiar a la economía, bajando los costos de producción, y con ello, disminuyendo los

precios. Esto implicaría que los salarios reales deberían aumentar. Este incremento

provocaría una mayor demanda por otros bienes o servicios, lo que a su vez, podría

gatillar una mayor demanda por trabajo en aquellos sectores beneficiados. Un mayor

ingreso disponible, podría implicar un mayor nivel de ahorro, haciendo caer las tasas de

interés, fomentando mayores niveles de inversión y creando empleo (OECD, 2017a).

Según la evidencia recopilada por la OCDE (2016a), el efecto agregado del cambio

tecnológico en la economía y en el mercado laboral tiende, empíricamente, a ser positivo.

La inversión en TIC aumentó la demanda por trabajo en 19 países de la OCDE entre 1990 y

2007 (con una disminución a partir de este último año). En el largo plazo, la inversión en

TIC parece no haber tenido efecto en el empleo, si bien es cierto que un permanente

descenso en el costo de las TIC ha reducido la demanda de trabajo por unidad producida,

esto ha sido compensado por el aumento de la producción. No obstante, sí se ha

observado una distribución de los trabajadores desde el sector de manufacturas al sector

servicios (OECD, 2016a).

Otro ejemplo es el caso de Estados Unidos, que entre 1964 y 2013, a pesar de una

acelerada automatización de procesos transcurrida en dicho período, ha creado 74

millones de puestos de trabajo (Levy & Murnane, 2013).

No obstante, el proceso de ajuste puede ser costoso para personas que no logren

adaptarse y aprender el uso de las nuevas tecnologías, así como para aquellos que podrían

eventualmente ser reemplazados por tecnología que realice sus funciones de manera más

eficiente. De hecho, los mejores estándares de calidad de vida que se produjeron en la

primera revolución industrial tomaron muchas décadas en conseguirse, por lo que dichos

cambios podrían tomar un tiempo mayor al de la vida laboral promedio (Mokyr et al.,

2015).

Por tanto, nos encontramos frente a dos temas de extrema relevancia que se engloban en

el cambio tecnológico. En primer lugar, se encuentra la automatización, que refiere al

reemplazo de ciertas funciones antiguamente realizadas por trabajadores, lo que podría

ocurrir en diferentes intensidades (ya sea, que toda la ocupación se automatice o que sólo

algunas tareas pasen a ser automatizadas). Y en segundo lugar está la digitalización, que

requiere que los trabajadores sean capaces de encontrar, evaluar, utilizar, compartir y

6

crear contenido usando tecnologías de información e Internet, lo que implicaría el

desarrollo de nuevas habilidades y una nueva manera de hacer las cosas.

El foco de este primer estudio se encuentra en las tecnologías de automatización y como

estas pueden afectar al empleo a través del reemplazo de la fuerza laboral.

RevisiondelaLiteraturayEvidenciaInternacional

Hoy en día, es común escuchar que el cambio tecnológico está transformando el trabajo.

La automatización es la forma más directa de verlo, entendida como la adopción de

tecnologías de información y comunicación (TIC) que reemplaza los trabajos que conllevan

principalmente tareas rutinarias.

La literatura que estudia el impacto de la adopción de las TIC en la composición del

empleo y la demanda de competencias se centra en gran medida en los países

desarrollados. Estos estudios miden el desarrollo tecnológico con la adopción y uso de

computadoras en el lugar de trabajo (Acemoglu, 1999; Acemoglu y Autor, 2011; Autor y

Dorn, 2013, entre otros).

La evidencia de estas investigaciones respalda la idea de que las computadoras y

maquinas sustituyen a los trabajadores con cualificaciones medias realizando tareas

rutinarias intensivas, mientras que complementan y favorecen a los trabajadores

altamente calificados y de baja calificación, ya que éstos realizan actividades difíciles de

automatizar, como la resolución de problemas, actividades creativas y manuales (tareas

cognitivas y manuales no rutinarias), (Autor et al., 2003; Acemoglu y Autor, 2011; Autor y

Dorn, 2013).

Como resultado de los cambios en las ocupaciones se observa un efecto de polarización

del empleo, es decir, cambios en los patrones del empleo, en el que las ocupaciones de

baja y alta cualificación ganan participación en el empleo total a expensas de las

ocupaciones medianamente cualificadas.

7

Gráfico 1: El mercado laboral continúa polarizado (Porcentaje del cambio en la proporción del empleo total, 1995-2015)

1

Fuente: OCDE (2017b).

El cambio tecnológico es generalmente considerado como uno de los principales factores

detrás de esta polarización del empleo (Acemoglu, 2002; Autor et al., 2003). Autor, et al.

(2003) distingue entre las tareas cognitivas y manuales, por una parte, y las tareas

rutinarias y no rutinarias, por otra. En esta investigación asociaron arbitrariamente las

características ocupacionales y clasificaron las tareas como: rutinarias manuales, rutinarias

cognitivas, manuales no rutinarias y cognitivas no rutinarias. Esta clasificación es utilizada

ampliamente por posteriores estudios.

De acuerdo a Autor (2010), el fenómeno de polarización del empleo es general a las

economías avanzadas, no solo en Estados Unidos, con las oportunidades de trabajo

concentradas en empleos de alta cualificación y altos salarios y empleos de baja

cualificación y bajos salarios, a expensas de los puestos de trabajos cualificados. Las tareas

rutinarias son características de muchas actividades cognitivas y productivas de clase

media, como la contabilidad, el trabajo de oficina y las tareas de producción repetitiva. En

cambio, las tareas no rutinarias, divididas en cognitivas y manuales, se sitúan en los

extremos opuestos de la distribución ocupacional-profesional.

1 Europa del Sur incluye España, Grecia, Italia y Portugal. Europa Oeste incluye Austria, Bélgica, Alemania, Francia, Irlanda, Holanda,

Suiza, y Reino Unido. Europa Central incluye Republica Checa, Hungría, Eslovaquia, y Eslovenia. Europa del Norte incluye Dinamarca,

Finlandia, Noruega, y Suecia. América del Norte incluye Canadá y EEUU.

8

La ocupación de baja cualificación es muy intensiva en tareas manuales no rutinarias, en

cambio las tareas abstractas o cognitivas requieren de capacidades de resolución de

problemas, intuición y persuasión, estas tareas emplean a trabajadores con altos niveles

de educación y capacidad analítica. Posteriormente, Autor y Dorn (2013) documentan un

cambio estructural en el mercado de trabajo, con los trabajadores reasignando su oferta

de trabajo de la manufactura de ingresos medios a las ocupaciones de servicios de bajos

ingresos. Se puede argumentar que esto se debe a que las tareas manuales de las

ocupaciones de servicios son menos susceptibles a la computarización, ya que requieren

un mayor grado de flexibilidad y adaptabilidad física (Autor & Dorn, 2013).

Adicionalmente, la literatura indica que otros de los factores explicativos de que el empleo

se está polarizando es, aunque en menor medida, el surgimiento de las cadenas de valor

global y más recientemente la deslocalización (offshoring) de las tareas (Autor, 2010; Goos

et al., 2014). En países abiertos al comercio internacional, el efecto positivo debido a la

complementariedad entre TIC y las tareas no rutinarias se ve reforzado por un mecanismo

de especialización basado en la ventaja comparativa. En las economías avanzadas, que

tienen un incentivo para especializarse en las ocupaciones no rutinarias, una mayor

exposición al comercio internacional beneficiará más a las ocupaciones no rutinarias,

proporcionando así un incentivo adicional para especializarse en este tipo de ocupaciones.

Lo contrario ocurre con los productos que son intensivos en tareas de rutina.

En la revisión de la literatura se observa que la discusión respecto del efecto de la

automatización en el empleo es muy reciente. Dentro de los estudios empíricos sobre el

impacto de la automatización y el futuro del trabajo, se ha encontrado evidencia la cual

podemos agrupar en tres enfoques: en ocupaciones, en tareas, y en actividades.

Tabla 1: Enfoques de Investigación

Enfoque Principales

Investigaciones Principales Supuestos

% de Población en

Riesgo País

Enfoque en Ocupaciones

Frey y Osborne, 2013 Enfoque basado en Ocupaciones. Las tareas que componen dichas ocupaciones tienen la misma intensidad de rutina. La ocupación completa es reemplazada producto de la automatización.

47% EE.UU

Pajarinen y Rouvinen, 2014

35% Finlandia

Brzeski y Burk, 2015 49% Alemania

Enfoque en Tareas

Marcolin et al., 2016a y 2016b

Enfoque basado en la tarea es aplicado desde la OCDE a través del uso de encuestas, actualizadas

20%-35%(*) Grecia-

Inglaterra

9

Enfoque Principales

Investigaciones Principales Supuestos

% de Población en

Riesgo País

Arntz et al, 2016

y específicas de cada país, contenidas en la base de datos del Programa de la OCDE para la Evaluación Internacional de Competencias para Adultos (PIAAC).

9% Promedio 21 países

OCDE

Enfoque en Actividades

Mayika et al., 2017 (McKinsey Global Institute)

Enfoque basado en actividades de trabajo. Analiza 2000 actividades en 800 ocupaciones de EEUU para estimar la automatización potencial. Automatización entendida como el uso de robots en líneas de producción, inteligencia artificial y maquinas.

5%(**) EE.UU

Notas: (*) ocupaciones altamente intensivas en rutina, no necesariamente implica que este porcentaje se

traspasará directamente al empleo.

(**) del total ocupaciones son 100% automatizables.

Si bien toda la evidencia internacional analizada muestra una tendencia hacia un potencial

desplazamiento de ciertas ocupaciones o tareas o actividades por efecto de la

automatización y cambio tecnológico, los diferentes enfoques sugieren magnitudes

diferentes. A continuación se describen con mayor detalle cada uno de los enfoques

analizados:

Enfoque en Ocupaciones

Un estudio ampliamente citado es el de Frey y Osborne (2013), el cual trata de estimar la

susceptibilidad del empleo a la computarización. En este estudio clasifican las ocupaciones

en los EE.UU. con respecto al riesgo de ser susceptibles a la automatización preguntando a

los expertos sobre el potencial tecnológico para la automatización en un futuro próximo.

Los resultados sugieren que el 47% de todas las personas empleadas en los EE.UU. están

desempeñándose en trabajos que podrían ser realizados por computadoras y algoritmos

dentro de los próximos 10 a 20 años. De acuerdo con esto, son especialmente el servicio,

el transporte, logística, las ventas y los trabajos de oficina y administración que caen en la

categoría de alto riesgo de reemplazo debido a los vehículos autónomos, los algoritmos

para grandes datos, y los robots de servicio personal y doméstico. Además, encuentran

que el riesgo de automatización es mayor para los trabajadores poco cualificados y para

las ocupaciones de bajos salarios, lo que sugiere que la automatización podría afectar de

manera desproporcionada a estos grupos de trabajadores. Con este enfoque, otros

estudios han encontrado que este efecto es de alrededor un 35% en Finlandia y 49% en

10

Alemania (Pajarinen y Rouvinen, 2014; Brzeski y Burk, 2015, respectivamente en Arntz et

al, 2016). Frey y Osborne (2013) discuten el modelo de tarea de Autor et al. (2003),

considerando que las tareas que potencialmente podrían ser automatizadas van más allá

de las tareas rutinarias, reflejando los nuevos avances en ML (aprendizaje mecánico) y MR

(robótica de máquinas).

Paralelamente, otro estudio extendió el enfoque de ocupaciones de Frey y Osborne

(2013), usando datos del Banco Mundial para estimar el impacto global de la

automatización (Frey et al, 2016). Este reporte, realizado en conjunto entre Citibank y Frey

y Osborne, indica que el riesgo de automatización es más alto en muchos otros países;

para el promedio de la OCDE el 57% del trabajo son susceptibles de automatizar, mientras

que para los países en desarrollo la tasa es mayor respecto a los países de altos ingresos,

por ejemplo, para India un 69% y para China un 77%. A la luz de los desarrollos

tecnológicos, la manufactura se está convirtiendo en menos intensiva en empleo, lo que

contribuye a una creciente preocupación por la “prematura desindustrialización” (Rodrik,

2016) debido al incremento de la automatización en manufactura, los países de bajos

ingresos de hoy no tendrán la misma posibilidad de lograr un crecimiento rápido al

trasladar a los trabajadores de la agricultura a los empleos de manufactura más rentables.

En este sentido, el Banco Mundial (2016) reporta la factibilidad de automatización basado

en las ocupaciones de los trabajadores en función de los avances tecnológicos, y muestra

que para los países de la OCDE la mitad de los trabajos podrían ser automatizados en el

próximo par de décadas.

Enfoque en Tareas

Posteriormente, durante el año 2016, un nuevo enfoque basado en la tarea es aplicado

desde la OCDE (2016a) a través del uso de encuestas, actualizadas y específicas de cada

país, contenidas en la base de datos del Programa de la OCDE para la Evaluación

Internacional de Competencias para Adultos (PIAAC). Destacan dos diferentes estudios, el

primero referente al índice de intensidad de rutina (Marcolin et al., 2016a y 2016b) y el

segundo mide el riesgo de automatización desde la tarea (Arntz et al, 2016).

El estudio de Marcolin et al. (2016a y 2016b) mide el contenido rutinario de las

ocupaciones mediante el enfoque basado en la tarea con el objetivo de entender mejor el

impacto de las cadenas de valor globales en el empleo. Para ello, construye un nuevo

índice de intensidad de rutina (RII) utilizando respuestas a cuatro preguntas de PIAAC.

Éstos proporcionan información relacionada con la propia evaluación de los individuos de:

su grado de libertad para establecer la secuencia de sus tareas; su grado de libertad para

decidir el tipo de tareas a realizar en el trabajo; la frecuencia con la que planifican sus

propias actividades; y la frecuencia con la que organizan su propio tiempo. Este enfoque

11

mejora las metodologías existentes, especialmente las que basan la definición de

intensidad de rutina en la asociación de características ocupacionales (es decir,

habilidades y requisitos de trabajo) de Autor et al. (2003) a tareas rutinarias y no

rutinarias, más bien se revisa la importancia de la “destreza de los dedos” y

“razonamiento abstracto” para la identificación de tareas rutinarias intensivas.

El RII se utiliza para agrupar las ocupaciones en cuatro clases de intensidad de rutina: no

rutinaria, intensidad de rutina baja, ocupaciones intensivas de rutina media y ocupaciones

rutinarias intensivas. Como resultado, utilizando la base PIAAC 2012, se observa

diferencias entre los países de la OCDE en la proporción promedio de las ocupaciones en

los diferentes cuartiles de intensidad de rutina. El número de trabajadores de no rutina y

baja rutina varía entre 55% en Luxemburgo y un 20% en Italia. Por otro lado, la proporción

de trabajadores empleados en ocupaciones altamente intensivas en rutina varía desde

20% en Grecia hasta 35% en Inglaterra. Estas notables diferencias reflejan el grado en que

las economías difieren a lo largo de una serie de características estructurales, incluida la

estructura de la industria, la composición de la mano de obra de las calificaciones y la

medida en que las economías participan en las cadenas globales de valor.

En base a análisis econométricos, se revela que las habilidades comparativamente más

altas se relacionan con una mayor demanda de ocupaciones no rutinarias y de baja rutina

intensiva. La intensidad del uso de las TIC muestra una correlación positiva con los niveles

de empleo en las ocupaciones no rutinarias y una negativa con ocupaciones intensivas de

rutina. La innovación tecnológica, según el número de patentes, se correlaciona

positivamente con el empleo en todos los cuartiles.

Otro estudio de la OCDE (2017b) profundiza y reflexiona críticamente la medida de riesgo

de computarización aplicando el enfoque basado en la tarea utilizando datos de la PIAAC

(Arntz et al, 20162). Ellos argumentan que la metodología basada en la ocupación

propuesta por Frey y Osborne (2013), asume que las ocupaciones completas, en lugar de

tareas únicas, son automatizadas por la tecnología, lo cual podría conducir a una

sobreestimación de la automatización del trabajo, ya que las ocupaciones etiquetadas

como ocupaciones de alto riesgo a menudo contienen una parte sustancial de tareas que

son difíciles de automatizar. Así como también el enfoque basado en la ocupación supone

que las ocupaciones en otros países estudiados son comparables a las ocupaciones

estadounidenses. A diferencia de otros estudios, este estudio de la OCDE tiene en cuenta

la heterogeneidad de las tareas de los trabajadores dentro de las ocupaciones.

2 Ver Anexo 1 para más detalle.

12

En general, los autores encuentran que, en promedio, en los 21 países de la OCDE, el 9%

de los empleos son altamente automatizables, encontrando heterogeneidad entre los

países; un 6% en Corea y 12% en Austria. Aunque si bien, se evidencia que la

automatización de los puestos de trabajo es menor en los empleos con altos requisitos de

nivel educativo o en trabajos que requieren cooperación con otros empleados. Mientras,

que el riesgo es mayor en trabajos con una alta proporción de tareas relacionadas con el

intercambio de información, la venta o el uso de dedos y manos, lo cual sigue la misma

línea de evidencia de Acemoglu y Autor en cuanto que las tareas rutinarias, están sujetas a

la automatización y pueden ser sustituida por máquinas y computadoras, de acuerdo a lo

mencionado anteriormente. Las diferencias entre países pueden reflejar diferencias

generales en la organización del lugar de trabajo, diferencias en las inversiones anteriores

en tecnologías de automatización y diferencias en la educación de los trabajadores entre

países.

Este estudio concluye que la automatización y la digitalización no destruirán un gran

número de puestos de trabajo, con respecto a lo encontrado por Frey y Osborne (2013).

Sin embargo, es probable que los trabajadores con baja cualificación soporten la mayor

parte de los costos de ajuste, ya que la automatización de sus empleos es mayor en

comparación con los trabajadores altamente calificados. Por lo tanto, el reto para el

futuro reside en hacer frente a la creciente desigualdad y asegurar una adecuada

formación, especialmente para los trabajadores con baja cualificación.

En otras palabras, la amenaza de los avances tecnológicos en el empleo, es menos

pronunciada en comparación con el enfoque basado en la ocupación. Esto debido a tres

razones: la utilización de las nuevas tecnologías es un proceso lento, debido a los

obstáculos económicos, jurídicos y sociales, de modo que la sustitución tecnológica no

suele tener lugar como se esperaba; los trabajadores pueden adaptarse a las nuevas

tecnologías cambiando las tareas, evitando así el desempleo tecnológico; el cambio

tecnológico también genera nuevos empleos a través de la demanda de nuevas

tecnologías y de una mayor competitividad.

En esta misma línea, también Acemoglu y Restrepo (2017) plantean un modelo basado en

las tareas en que la decisión de acumulación de capital y la dirección de la investigación a

crear nueva tecnología es endógena y depende del precio relativo de los factores. Sus

resultados muestran que del crecimiento del empleo en Estados Unidos entre 1980 y 2007

(17,5%), alrededor de la mitad se explica por el aumento del empleo adicional en las

ocupaciones con nuevos títulos de trabajo en relación con una categoría de referencia sin

nuevos títulos de trabajo. En dicho modelo hay dos efectos contrarios que produce el

cambio tecnológico. Por una parte, una nueva tecnología puede reemplazar a una persona

13

en la realización de una tarea (no necesariamente su ocupación), reduciendo el uso del

factor trabajo. Por otra parte, la nueva tecnología puede a su vez crear nuevas tareas más

complejas, en donde el factor trabajo tienen una ventaja comparativa en su ejecución,

aumentando así su uso.

Así como también, el desarrollo de innovaciones tecnológicas considerada como un

proceso continuo puede producir un sustantivo impacto en el mercado laboral.

Específicamente, Brynjolfsson y McAfee (2014) argumentan que las innovaciones

tecnológicas más sofisticadas ya no se limitan simplemente a tareas rutinarias, sino que se

están extendiendo a dominios usualmente definidos como no rutinarios y también están

realizando tareas que suelen ser dirigidas por trabajadores más calificados. Un ejemplo de

esta tendencia es el número de tareas habitualmente realizadas por abogados y

contadores que están siendo emprendidas por sofisticados algoritmos. De hecho, Autor

(2015) explica que el dominio de tareas no rutinarias de forma autónoma a través de la

programación de máquinas está avanzando. De esta forma, todos los trabajadores de

todos los niveles de habilidades tienen el potencial de verse afectados al menos

parcialmente por la automatización (Brynjolfsson y McAfee, 2014).

Enfoque en Actividades

Por otra parte, a principios de este año fue publicado un reporte del McKinsey Global

Institute (MGI), el cual mide el potencial efecto de la automatización tecnológica en el

empleo mediante un nuevo enfoque basado en actividades de trabajo (Manyika et al.,

2017). Se analizan 2000 actividades en 800 ocupaciones de EEUU para estimar la

automatización potencial. Automatización entendida como el uso de robots en líneas de

producción, inteligencia artificial y maquinas. MGI encuentra que pocas ocupaciones son

completamente automatizadas si se adoptan las tecnologías probadas, es decir, solo el 5%

de las ocupaciones consiste en actividades que son 100% automatizadas. Por otro lado, el

60% de todas las ocupaciones tienen al menos 30% de actividades automatizadas. El

estudio concluye que el aumento de la automatización produce un aumento de

productividad por mayor apoyo de trabajadores altamente cualificados y la caída en la

demanda de trabajadores de baja cualificación y ocupaciones intensas en rutinas.

EstudiosparaLatinoamerica

Ahora bien, en el contexto Latinoamericano, la evidencia a nivel de la firma es más escasa

y débil respecto al efecto polarización. Usualmente los estudios que utilizan datos de

ocupaciones, extendiendo la metodología de Frey y Osborne (2013), encuentran que las

ocupaciones que usan más intensamente las TIC tienen una alta demanda de habilidades

cognitivas y una menor demanda de habilidades manuales rutinarias y no rutinarias

14

(Santos et al., 2015). Para el caso de Chile, Almeida et al (2017) es el primer estudio que

muestra evidencia en cuanto al impacto de la adopción de TIC en el empleo, mediante el

enfoque basado en la tarea. Si bien la literatura ampliamente documenta que el creciente

uso de las TIC en el lugar de trabajo, principalmente a través del uso de los computadores,

está llevando a la polarización del empleo, este estudio se enfoca en el uso de softwares

complejos y su impacto en el empleo. Para ello, utiliza datos a nivel de la firma de la

Encuesta Longitudinal de Empleo (ELE) del Ministerio de Economía para el periodo 2007-

2013 y la base de datos PIAAC 2015, en la cual Chile participó por primera vez.

Como resultado Almeida et al. (2017) encontraron, al contrario de la literatura previa, que

la adopción de software complejo entre las empresas chilenas ha redistribuido los

empleos de los trabajadores cualificados a los no cualificados. Esto también se asocia el

incremento de las tareas manuales y rutinarias en desmedro de las tareas abstractas.

Además, los impactos se explican principalmente por la adopción de tecnología entre los

sectores de baja educación y baja productividad, tales como el comercio al por mayor y al

por menor y el sector manufacturero, en los que la mayoría de los trabajadores no

cualificados están empleados. Concluye que dependiendo del tipo de tecnología que se

observe, se podrá inferir acerca del impacto que genera en el empleo.

Por su parte, un nuevo estudio de McKinsey Global Institute (Manyika et al., 2017) analiza

el riesgo de automatización para 54 países del mundo, entre ellos Chile, utilizando el

enfoque basado en las actividades de trabajo. MGI infiere que el 49% del total del trabajo

en Chile tiene riesgo de ser automatizadas, considerando la tecnología disponible actual,

equivalente a 3.2 millones de los empleos, mientras que para Estados Unidos alcanza el

46% del empleo actual, México 52% y Brasil 50%, siendo los sectores económicos con

mayor potencial de automatización, el de manufactura (61%), retail (51%) y

administración y sector público (41%).

De esta revisión bibliográfica, se identifica un común denominador que está presente en

todas las investigaciones realizadas a nivel mundial, que es la característica rutinaria de

cierto tipo de tareas, variable a través de la cual se pueden pronosticar los efectos de la

automatización en el empleo. Considerando esta variable se desarrollará el análisis del

caso Chileno, presentado en este estudio.

15

Metodologıa

Considerando los diferentes enfoques de análisis del efecto de la automatización en el

empleo (en ocupaciones, en tareas y en actividades), se desprende que el común

denominador en todas las investigaciones realizadas a nivel mundial, ha sido la

característica rutinaria. A mayor intensidad de rutina de una tarea en particular, más

programable y más automatizable es y, por consiguiente, mayor la probabilidad de ser

realizada por una nueva tecnología en reemplazo del factor trabajo.

Este estudio se basara en analizar cuan intensivo en tareas rutinarias es el mercado

laboral chileno, utilizando el enfoque en tareas. Esto dará una visión general del contexto

del mercado laboral chileno en cuanto a las ocupaciones y sectores con mayores niveles

de intensidad de rutina, y a las personas que actualmente se encuentran en ellos. También

permitirá cuantificar quienes tienen una mayor exposición a que sus trabajos sean

automatizables y reemplazados por tecnología.

A continuación, se describen los datos a utilizar en el análisis, y luego, se explica en detalle

la metodología utilizada.

DatosparaelAnalisis

Para analizar este caso, se utilizaron todas las fuentes disponibles, las cuales son

encuestas nacionales representativas a nivel de ocupaciones, sector económico y tamaño

de empresa, siendo el eje principal la Encuesta Internacional de las Competencias de

Adultos, que por primera vez fue aplicada en Chile el año 2017.

a. Evaluación Internacional de las Competencias de Adultos (PIAAC): Es una

encuesta implementada por la OCDE para evaluar y monitorear en el tiempo las

competencias que los adultos requieren para participar con éxito en la economía y

sociedad en la que vivimos. Es aplicada a más de 40 países miembros del Programa

para la Evaluación Internacional de las Competencias de los Adultos (PIAAC por sus

siglas en inglés). La población encuestada tiene entre 16 y 65 años de edad y son

encuestados en sus hogares. En cada país miembro se encuestan a 5.000

individuos. Mide habilidades en Lenguaje, Matemáticas y para la Resolución de

Problemas en ambientes tecnológicos. Recoge una amplia gama de información

que permite ver cómo las habilidades son usadas en el trabajo, en el hogar y en la

comunidad. Permite realizar comparaciones estadísticamente válidas entre los

distintos países participantes. La Encuesta PIAAC cuenta con dos versiones: 2012 y

2015. Chile participó por primera vez en la versión 2015. La clasificación de

16

ocupaciones utiliza la CIUO-08 y para sector económico se clasifica de acuerdo a la

CIIU 4 para el caso Chileno.

b. Nueva Encuesta Nacional de Empleo (NENE): Es una encuesta que implementó el

Instituto Nacional de Estadísticas (INE) a partir del primer trimestre de 2010 y tiene

por objetivo clasificar a todas las personas según su situación laboral. Es aplicada a

una muestra de 36.000 hogares y reporta resultados para trimestres móviles.

Dentro de la vivienda se entrevista a cada uno de los miembros del hogar de 15

años y más. Tiene representatividad nacional y para cada una de las 15 regiones de

Chile. La variable de las ocupaciones son clasificadas de acuerdo a la CIUO-88.

c. Encuesta Longitudinal de Empresas (ELE): Es una encuesta a cargo del Ministerio

de Economía e implementada a través del Instituto Nacional de Estadísticas. La

primera versión fue publicada en el año 2009 en base a información del año fiscal

2007 y ha sido aplicada en cuatro oportunidades. Es la única encuesta nacional a

nivel de empresas estructurada como datos de panel. En su versión más reciente

(ELE4), con año de referencia 2015, cuenta con 8.084 empresas efectivamente

encuestadas. Dentro de las cuales, 4.541 han sido encuestadas en al menos dos de

las versiones anteriores. Tienen representatividad nacional. La ELE4 es la primera

versión en incorporar la Clasificación Industrial Internacional Uniforme Revisión 4

(CIIU Rev. 4).

MetodologıadeAnalisis

A continuación, se describe en términos breves en qué consiste la herramienta de análisis

a utilizar, aunque cabe señalar que no es el objetivo de este estudio profundizar en el

análisis exhaustivo de su definición, sino utilizar la metodología desarrollada por Marcolin

et al. (2016a y 2016b) y aplicarla para el estudio del caso chileno.

Análisis a nivel de tareas, no de ocupaciones

Antes de iniciar directamente la explicación del cálculo del Índice de Intensidad de Rutina,

es necesario explicar el enfoque que utilizaron sus autores para realizar la evaluación del

contenido de rutinas que tienen las distintas ocupaciones y sectores económicos.

Al respecto, Marcolin et al. (2016a y 2016b) basan su análisis de intensidad de rutina, no a

través de las ocupaciones, sino que a través de la caracterización de las tareas que

reportaron los encuestados en la PIAAC.

17

Este enfoque, centrado en el análisis de las tareas, tiene ventajas respecto a aquellos que

se focalizan directamente en el estudio de las ocupaciones.

Primero, es un supuesto bastante heroico asumir que el contenido de tareas de una

ocupación es el mismo independiente del contexto en el que se ejecute. Hay diferencias

en la calificación de la persona, diferencias entre empresa de un mismo sector e incluso

tamaño, y ni hablar entre sectores o países.

Segundo, respecto de las evaluaciones del efecto del cambio tecnológico en el empleo, es

verdad que hay ocupaciones que tenderán a tener un mayor contenido de tareas

rutinarias, y por lo tanto un mayor riesgo de automatización de dichas tareas, pero

aquello no implica que necesariamente la ocupación sea la que esté en peligro de ser

reemplazada. De hecho, como fue mencionado anteriormente, Frey y Osborne (2013)

utilizan un enfoque basado en las ocupaciones, que probablemente está sobreestimando

el efecto del cambio tecnológico en el empleo, puesto que suponen que un 47% de las

ocupaciones sería completamente reemplazada por un cambio tecnológico. Así como

también, en esta misma línea, los resultados encontrados por McKinsey (Manyika et al.,

2017) encuentran que el 49% del empleo Chileno tiene el riesgo de ser automatizado. Al

utilizar el enfoque basado en el contenido de tareas de las ocupaciones, se reconoce el

hecho de que habrá un cambio en las tareas que ejecuten las personas en una

determinada ocupación, pero no necesariamente serán completamente reemplazadas.

Cálculo del RII

Basados en el análisis exhaustivo de las preguntas de la PIAAC, Marcolin et al. (2016a y

2016b) logran encontrar cuatro preguntas que permiten determinar el grado de

autonomía, o contrariamente, el nivel de rutina de las tareas que los encuestados realizan

en sus trabajos. Este enfoque, se aproxima al nivel de intensidad de la rutina, a partir de la

caracterización de tareas que ejecutan los trabajadores participantes en las distintas

ocupaciones (CIUO-2008) y sectores industriales (ISIC-04 o CIIU 4).

Las preguntas que encuentran logran medir qué tan a menudo el trabajador puede

seleccionar o cambiar la Secuencia de las tareas que realiza, con qué grado de Flexibilidad

puede seleccionar o cambiar las tareas que realiza, en qué grado el trabajo que realiza le

permite Planificar sus propias actividades y, por último, en qué grado el individuo puede

Organizar sus propios tiempos en el trabajo.

De acuerdo a lo planteado por los investigadores, mientras más pueda el trabajador

definir la secuencia de sus tareas, mayor será el nivel de flexibilidad que tenga el

trabajador para elegir qué tareas realizar, y mientras más capacidad de planificar sus

18

actividades y organizar sus propios tiempos tenga, menor es la intensidad de rutina a la

cual está sujeto en su trabajo. Comentan además que la Planificación y Organización se

relacionan con las características de las tareas interactivas no rutinarias planteadas en

Autor et al. (2003).

En base a lo anterior, definen un índice, al que llaman RII (Routine Intensity Index), como

el promedio ponderado de los puntajes que asignan a las respuestas de los trabajadores a

las cuatro preguntas seleccionadas. El puntaje toma valores enteros entre 1 y 5, siendo 1

el menor nivel de intensidad de rutina de las tareas realizadas, y 5 el mayor nivel de

intensidad de rutina. Por esta razón, es que mientras mayor sea el índice, mayor será la

intensidad de la rutina en las funciones que el trabajador realiza.

Dado que este índice se calcula por cada individuo, permite realizar agregaciones al nivel

de las ocupaciones (CIUO-08) y a nivel de sector industrial (CIIU-04). En términos

matemáticos, definen la siguiente ecuación para cada uno de los individuos (�) en cada

una de las ocupaciones (�) y en cada sector industrial (�):

��,�, �� ,�, � ��,�, � ��,�, � ��,�,

Donde, �,�, representa el puntaje de la pregunta que se refiere a la secuencia de las

tareas del individuo � en el sector � en la ocupación �, ��,�, es al puntaje de la pregunta

que se refiere a la flexibilidad, ��,�, es el puntaje de la pregunta que sobre planificación

del trabajo, y ��,�, representa el puntaje de la pregunta que hace referencia a la

organización de los tiempos. A su vez, � representa el peso relativo de cada variable en el

puntaje del ��.

Notar que el índice asume una forma funcional lineal. Ésta es una definición ad-hoc que

los investigadores adoptan, argumentando que representa la forma funcional más natural

para resumir distintos conceptos que están correlacionados unos con otros y que tienen

un denominador subyacente común. Además, resaltan el hecho de que esta forma

funcional ya ha sido utilizada en la literatura relevante por Autor et al. (2003) y por Goos

et al. (2014), quienes calculan la intensidad de rutina como la simple suma de las variables

consideradas en este mismo modelo.

Marcolin et al. (2016a y 2016b), en base a distintas teorías, calculan diferentes tipos de

indicadores considerando distintos pesos relativos, �, para cada una de las variables. En

este ejercicio ellos logran demostrar que, no importa a cuál variable le otorguen más

pesos, cada uno de los indicadores presenta entre sí una correlación positiva mayor a 0,7

en casos particulares, y superior a 0,8 y casi 0,9 en la gran mayoría de los casos. Por lo

19

anterior, para efectos del posterior análisis, definen el indicador ponderando cada variable

por 0,25 que será la misma ponderación que se usara en este análisis.

Una vez definida la principal herramienta de análisis a continuación se detallan las etapas

que se siguieron para obtener los resultados presentados en las siguientes secciones:

1. Para visualizar la evolución del empleo en Chile se utilizaron datos de la Encuesta

Nacional de Empleo (ENE) y la Nueva Encuesta Nacional de Empleo (NENE). Luego se

utilizaron los datos de la encuesta CASEN. Para agrupar las ocupaciones se utilizó la

metodología utilizada por Almeida et al. (2017) y se hizo una homologación con los datos

de la Encuesta CASEN, la tabla con el detalle de esta clasificación se encuentra en el Anexo

2.

2. Considerando el RII se realizó un primer Cálculo de los cuartiles de rutina para Chile, con

la finalidad de establecer una comparación con otros países. Este análisis utilizo la

metodología de Marcolin et al. (2016a y 2016b) en base a PIAAC 2012 y para el cálculo de

Chile se utilizó la base PIAAC 2015 y NENE 2017.

Cabe señalar que, para la definición de los cuartiles o categorías de intensidad de rutina,

se utilizó la distribución de puntajes de RII para todos los países de la encuesta PIAAC,

facilitando así la comparación entre países, la que no sería posible al definir los cuartiles

utilizando sólo la distribución de puntajes condicional a Chile.

3. Para identificar los sectores y ocupaciones con mayor potencial de automatización se

realizó el cálculo del RII para ocupaciones y sectores económicos. Primero se calculó un

promedio, luego se midieron considerando los cuartiles de RII (No Rutinario, Baja Rutina,

Media Rutina y Alta Rutina). Finalmente se incluyó un análisis considerando el potencial

de impacto de la automatización dado el peso de las ocupaciones y los sectores en la

fuerza laboral de Chile. Estos análisis se hicieron con las bases PIAAC 2015 y NENE 2017.

4. Se hizo un análisis de variables sociodemográficas para estudiar las características de los

trabajadores con alto índice de rutina. Este análisis se hizo utilizando la encuesta PIAAC,

considerando los cuartiles de RII (No Rutinario, Baja Rutina, Media Rutina y Alta Rutina).

Para darle robustez a estos resultados se hicieron estimaciones econométricas

exploratorias, determinando la significancia estadística de cada uno de las variables

relevantes (Anexo 8).

5. Considerando los cuartiles de rutina antes mencionados se hizo una clasificación del

número de trabajadores por sector económico para cuantificar los trabajadores con

potencial de automatización, para esto se utilizó la encuesta PIAAC 2015 y NENE 2017.

20

Cabe señalar que existen detalles que fue necesario cambiar antes de trabajar con los

datos, primero las ocupaciones en la PIAAC y en la NENE utilizan distintas clasificaciones,

la primera ocupa la clasificación CIUO-08, mientras que la segunda utiliza CIUO-88, por lo

que fue necesario realizar una homologación.

Por otra parte, la encuesta NENE tuvo un cambio metodológico, que se implementó en el

año 2010, lo que imposibilita la comparabilidad entre la encuesta nacional de empleo

(ENE) desde los años previos a 2010, y la nueva encuesta nacional de empleo (NENE)

desde el año 2010 en adelante. Además, en el año 2013 hubo un cambio en la clasificación

de los sectores económicos, pasando de CIIU – 03 a CIIU – 04, ambos a un dígito. Este

último punto, permite relacionar la información de PIAAC con la NENE a nivel de sector

económico a partir del año 2013 en adelante, pero requiere una homologación para los

años previos.

21

EvoluciondelaEstructuradelEmpleo

En esta sección se presenta el análisis sobre la evolución del empleo en Chile, para ver si

existe polarización. Primero se presenta un análisis de la polarización en el mundo y luego

se presentan los resultados para Chile.

Polarizaciondelempleoenelmundo

De acuerdo con el análisis de Autor (2010), el crecimiento del empleo en la economía de

los Estados Unidos se concentra cada vez más en las colas de la distribución de habilidades

ocupacionales, produciendo un efecto de polarización en el empleo.

Gráfico 2: Porcentaje de cambio en empleo de EEUU, por ocupación (1979-2009).

Fuente: Autor (2010).

Por otro lado, considerando los resultados para los países seleccionados de la OCDE, se

observa una heterogeneidad en la polarización. Aunque en la mayoría de las macro

regiones se observa una caída del empleo “Habilidades medias” en relación a los de

“Habilidades altas” y “Habilidades bajas”.

-20%

-10%

0%

10%

20%

30%

40%

50%

60%

Gerentes Profesionales Técnicos Ventas Administrativos Producción,artesanía yreparación

Operadores Servicios deProtección

Servicios delimpieza, comida,

construcción

Servicios decuidado personal

Porcentaje de Cambio del Empleo en EEUU por ocupación (1979-2009)

1979-1989 1989-1999 1999-2007 2007-2009

22

Gráfico 3: El mercado laboral continúa polarizado (Porcentaje del cambio en la proporción del empleo total, 1995-2015)

3

Fuente: OCDE (2017b).

Evoluciondelaestructuradelempleoseguntipodeocupacion

Primero se verá cómo ha evolucionado la estructura del empleo considerando

ocupaciones desde el año 1996 al año 2016, usando la encuesta ENE y NENE. Luego se

hará el mismo análisis utilizando los datos de la encuesta CASEN, desde 1990 al 2011.

Para revisar en términos agregados cómo ha evolucionado la estructura del empleo a lo

largo del tiempo en Chile, se agruparon las distintas categorías, de la clasificación CIUO –

88, en 4 grandes categorías: Directores y Gerentes, Profesionales calificados, Personal

administrativo y Personal no calificado, siguiendo el trabajo realizado por Almeida et al.

(2017). En Anexo 2 se incluye la tabla de categorías homologadas.

En la Gráfico 4 se muestra el cambio (o no cambio) de la estructura del empleo desde el

año 1996 al año 2016. No obstante, previo a realizar el análisis se debe considerar el

cambio metodológico realizado en la encuesta nacional de empleo a partir del año 2010.

Dicho esto, podemos ver que entre el año 1996 y el año 2008 no hay una gran variación

en la estructura del empleo, salvo un aumento de 2 puntos porcentuales de la

participación de los Profesionales calificados entre 1996 y 2008. Luego del cambio

metodológico del año 2010, se aprecia una estructura estable entre 2012 y 2016.

3 Europa del Sur incluye España, Grecia, Italia y Portugal. Europa Oeste incluye Austria, Bélgica, Alemania, Francia, Irlanda, Holanda,

Suiza, y Reino Unido. Europa Central incluye Republica Checa, Hungría, Eslovaquia, y Eslovenia. Europa del Norte incluye Dinamarca,

Finlandia, Noruega, y Suecia. América del Norte incluye Canadá y EEUU.

-12%

-7%

-2%

3%

8%

Europa delSur

Europa delNorte

EuropaOeste

Total Ámerica delNorte

Japon EuropaCentral

Habilidades Bajas Habilidades Media Habilidades Altas

23

Gráfico 4: Evolución del Empleo por Ocupaciones con Datos Encuesta ENE y NENE.

Fuente: Elaboración propia en base a la base de datos ENE (1996-2008) y NENE (2012-2016).

Nota: Quiebre metodológico en el año 2010.

Para confirmar esta evolución, se ha calculado la evolución del empleo utilizando la

Encuesta CASEN ya que tiene un horizonte de tiempo mayor. En este sentido, se observa

similares resultados a los encontrados utilizando la NENE, confirmando que la estructura

del empleo según ocupación se ha mantenido estable y no existen rastros de polarización.

Gráfico 5: Evolución del Empleo con Datos encuesta CASEN 1990-2011

Fuente: Elaboración propia en base a CASEN (1990-2011).

Para mayor detalle sobre cada ocupación en Anexo 3, se incluyen los gráficos utilizando la

clasificación de la NENE y de la CASEN.

0%

20%

40%

60%

80%

100%

1996 2000 2004 2008 2012 2016

Evolución Empleo por Ocupaciones (Encuesta ENE y NENE)

Directores y Gerentes Profesionales calificados Personal administrativo Personal no calificado

0%

20%

40%

60%

80%

100%

1992 1996 1998 2000 2003 2006 2011

Evolución Empleo por Ocupaciones (Encuesta CASEN)

Directores y Gerentes Profesionales calificados Personal administrativo Personal no calificado

24

Otro aspecto interesante de notar tiene relación con la tendencia de las nuevas

contrataciones y términos de contratos. De acuerdo con los resultados de la Encuesta

Longitudinal de Empresas (ELE), la estructura de empleo de las nuevas contrataciones es

similar a la de los despidos. Esto es indicativo de que la empresa está, al menos en el año

2015, manteniendo fija la estructura del empleo.

No obstante, en términos proporcionales, todas las empresas, independiente de su

tamaño, han contratado proporcionalmente más ocupaciones elementales que las que

tienen en su actual estructura de empleo. Es decir, contratan más a personas que tienden

a ser colocadas en labores de carácter más rutinario (Ver en anexo 4 más detalle).

En general, estos resultados están en línea con lo planteado por la OCDE (2017b) en su

reporte Employment Outlook 2017, ya que señalan que la ausencia o baja polarización del

empleo sigue la tendencia de países emergentes como China e India. Sin embargo, la

proporción de ocupaciones que podrían automatizarse será más grande en las próximas

décadas. De esta forma, el potencial de polarización es significativo y dependerá de la

rapidez en que se adopten las nuevas tecnologías (OCDE, 2017b).

Como primera conclusión se puede afirmar que todavía no existe polarización en el

empleo en Chile y que esto se puede deber a que el proceso de adopción de tecnologías

de automatización es más lento y también se puede deber a que el mercado laboral

chileno es menos flexible que el de otros países como EEUU.

Por otra parte también es importante resaltar que la información estadística disponible es

escasa, y además tiene complicaciones que limitan su comparabilidad.

25

ChileenelcontextoOCDE

Considerando los cálculos realizados por Marcolin et al. (2016a y 2016b) se realizó una

estimación sobre los cuartiles de rutina para Chile, a continuación se presentan estos

resultados.

En la Tabla 2 y Gráfico 6 se puede ver que Chile sigue la tendencia promedio de los países

OCDE. En general para Chile un 24,4% de los trabajadores están realizando tareas

altamente rutinarias encontrándose dentro del rango de magnitud de los países de la

OCDE; 21,6% en Grecia y 35,8% en Reino Unido.

Tabla 2: Cuartiles de Rutina Países OCDE

Fuente: Marcolin et al. (2016a y 2016b) en base a PIAAC 2012 y elaboración propia para el cálculo de Chile

en base a PIAAC 2015 y NENE 2017.

PaísNo

RutinariosBaja Rutina NR+BR

Media

RutinaAlta Rutina MR+AR

Polonia 27,4% 9,8% 37,2% 25,8% 37,0% 62,8%

Reino Unido 23,7% 16,5% 40,2% 24,0% 35,8% 59,8%

EEUU 10,5% 27,3% 37,8% 29,3% 32,9% 62,2%

Turquia 15,9% 25,3% 41,2% 27,6% 31,3% 58,8%

Suecia 9,6% 31,3% 40,9% 28,0% 31,1% 59,1%

Finlandia 12,0% 32,6% 44,6% 25,3% 30,1% 55,4%

Irlanda 18,2% 11,8% 30,0% 40,2% 29,9% 70,0%

Eslovaquia 4,0% 31,8% 35,7% 35,1% 29,2% 64,3%

Latvia 22,8% 26,4% 49,2% 22,2% 28,6% 50,8%

Portugal 13,8% 8,9% 22,8% 49,3% 28,0% 77,2%

Hungría 18,1% 27,1% 45,2% 27,2% 27,6% 54,8%

Promedio 14,9% 26,7% 41,6% 30,9% 27,5% 58,4%

Estonia 21,3% 21,6% 42,8% 29,8% 27,4% 57,2%

Belgica 5,7% 43,5% 49,3% 23,5% 27,2% 50,7%

España 13,1% 10,4% 23,5% 49,6% 26,9% 76,5%

Austria 12,4% 34,9% 47,4% 26,2% 26,4% 52,6%

Francia 12,4% 25,6% 38,0% 35,8% 26,1% 62,0%

Eslovenia 20,4% 29,4% 49,9% 24,4% 25,7% 50,1%

Lituania 24,9% 24,5% 49,5% 25,1% 25,4% 50,5%

Rep. Checa 4,5% 33,3% 37,8% 37,0% 25,2% 62,2%

Holanda 7,3% 48,2% 55,5% 19,5% 25,1% 44,5%

Chile 18,6% 20,4% 39,0% 36,6% 24,4% 61,0%

Dinamarca 14,7% 33,5% 48,1% 28,5% 23,4% 51,9%

Italia 11,6% 10,8% 22,4% 54,4% 23,2% 77,6%

Luxemburgo 4,4% 51,8% 56,2% 20,7% 23,2% 43,8%

Alemania 20,2% 27,0% 47,3% 29,8% 22,9% 52,7%

Grecia 20,1% 30,5% 50,6% 27,9% 21,6% 49,4%

Promedio 15% 27% 42% 31% 28% 58%

26

Moviéndose a la parte central de la distribución, para el grupo de media rutina y baja

rutina los resultados arrojan un 57%, mientras que en la medición para los países OCDE

este grupo varía entre 70% en pequeñas economías como Luxemburgo y República Checa

y 35% en Polonia y Reino Unido. Mientras que para el grupo trabajadores con intensidad

no rutinaria obtenemos un 18,5%, siendo que para la OCDE este grupo varía entre 27%

(Polonia) y 4% (República Checa).

Gráfico 6: Porcentaje de empleo por cuartiles de intensidad de rutina4

Fuente: Marcolin et al. (2016a y 2016b) en base a PIAAC 2012 y elaboración propia para el cálculo de

Chile en base a PIAAC 2015 y NENE 2017.

En Anexo 5 se incluye un análisis comparativo entre el sector servicios y manufactura.

Con los resultados presentados en esta sección se concluye que, considerando las tareas

con alta y media rutina, el índice de intensidad de rutina en Chile nos sugiere que el 61%

de los trabajadores se emplea en ocupaciones con potencial de automatización, siendo

levemente superior al promedio de la OCDE (58%). Ahora, si se consideran solo las tareas

con alta rutina este índice es de un 24%, el cual se considera como la población con alto

potencial de ser reemplazada, cercana también al promedio OCDE de 28%.

4 Notar que en el caso de Chile se considera cifras del año 2017, mientras que para los datos de la OCDE considera un

promedio de años.

0

10

20

30

40

50

60

70

80

90

100

Porcentaje de empleo por cuartiles de intensidad de rutina

No Rutinarios Baja Rutina Media Rutina Alta Rutina

27

Ocupaciones y Sectores con Potencial de

Automatizacion

En esta sección se presentan los resultados obtenidos del cálculo de RII para ocupaciones

y sectores económicos.

RIIsegunOcupaciones

En la siguiente tabla se presenta una primera aproximación para ver cuáles ocupaciones

tienen una mayor intensidad de rutina en promedio, estos resultados se obtienen a través

de una agregación de las tareas que componen dichas ocupaciones y obteniendo un RII

medio.

Tabla 3: RII según Ocupación

Ocupación (CIUO-08) RII

Directores y gerentes 1,8997

Profesionales, científicos e intelectuales 1,9563

Técnicos y profesionales de nivel medio 2,1570

Oficiales, operarios y artesanos 2,4966

Servicios y vendedores 2,6053

Personal de apoyo administrativo 2,6320

Ocupaciones elementales 2,7598

Agricultores y trabajadores del agro 3,1068

Operadores de instalaciones y maquinas 3,2096

Fuente: Elaboración propia utilizando PIAAC Chile 2015 en base a Marcolin et al. (2016a y 2016b)

Como se aprecia en la x las ocupaciones que tienen un menor índice de intensidad de

rutina son aquellas en las que intuitivamente se tiende a asumir que se componen de

tareas menos rutinarias y más complejas de ser reemplazadas por tecnología. Es el caso de

los Directores y Gerentes, y de los Profesionales, Científicos e Intelectuales, cuyos RII

promedio son menores a 2. De igual forma, las ocupaciones con un indicador de

intensidad de rutina mayor, son aquellas en que intuitivamente se asume que ejecutan

tareas más rutinarias y menos complejas, como es el caso de las Ocupaciones

elementales, del Agro y Operadores de Instalaciones y Máquinas, cuyos indicadores son

cercanos e incluso superiores a 3.

Para profundizar en este análisis se presenta en la Gráfico 7 la intensidad de rutina por la

composición de sus tareas, según ocupaciones.

28

Gráfico 7: Cuartiles de Rutina por Ocupación

Fuente: Elaboración propia utilizando PIAAC Chile 2015 en base a Marcolin et al. (2016a y 2016b)

Al ver las ocupaciones con mayor y menor nivel de contenido de tareas rutinarias, en

términos generales, se propone una reclasificación en tres grupos, según su contenido de

tareas rutinarias:

• Ocupaciones Rutinarias (AR + MR >= 65%): Este primer grupo estaría compuesto por Operadores de Instalaciones y máquinas, Agricultores y trabajadores del agro y Ocupaciones Elementales. En este grupo vemos además que el contenido de tareas No Rutinarias apenas alcanza el 15%, mientras que el contenido de tareas de Baja Rutina no supera el 20%.

• Ocupaciones con nivel Medio de Rutina (40% < AR + MR < 65%): Este grupo estaría compuesto por Personal de apoyo administrativo, Servicios y Vendedores, y Oficiales, Operarios y Artesanos. En este grupo vemos que el contenido de tareas No Rutinarias está entre un 15% y 20%, mientras que el contenido de tareas de Rutina Baja se mantiene en torno al 20%.

• Ocupaciones No Rutinarias (AR + MR < 40%): Este último grupo estaría compuesto por Técnicos y Profesionales de nivel medio, Directores y Gerentes, y por Profesionales, Científicos e Intelectuales. Aquí el contenido de tareas No Rutinarias supera el 30%. Por su parte, el contenido de tareas de Rutina Baja se mueve entre 30% y hasta un 40% aproximadamente. Además, si observamos el contenido de

5% 9%15% 15% 19% 19%

27%34% 34%16%

18%16% 17%

17% 18%

30%30%

38%

31%31%

37%43% 38% 41%

34%33%

24%

49%41%

32%24% 26% 22%

9%4% 4%

0%

100%

Operadores deinstalaciones y

maquinas

Agricultores ytrabajadores

del agro

Ocupacioneselementales

Servicios yvendedores

Personal deapoyo

administrativo

Oficiales,operarios yartesanos

Tecnicos yprofesionales

de nivel medio

Profesionales,cientificos eintelectuales

Directores ygerentes

Cuartiles de Rutina por Ocupaciones (ISCO - 08) PIAAC 2015

No rutinario Baja rutina Media rutina Alta rutina

29

tareas altamente rutinarias para este grupo de ocupaciones, vemos que no logra superar el 10%, particularmente para Profesional y Directores alcanza un 4%.

RII segun Sector Economico

Respecto a los sectores económicos podemos también ordenarlos según el índice de

intensidad de rutina. En la Tabla 4 podemos ver que el sector económico con menor

intensidad de rutina corresponde Información y Comunicación, seguido de Suministro de

Electricidad, y Profesionales, Científicos y Técnicos.

Tabla 4: RII según Sector Económico

Sector (CIIU -04) RII

Información y Comunicación 1,8819

Suministro de electricidad, gas, vapor y aire acondicionado

2,1171

Profesionales, Científicos y técnicos 2,2252

Actividades Financieras y Seguros 2,2347

Educación 2,2825

Suministro de agua, alcantarillado, gestión de desechos y act. de saneamiento

2,3311

Administración pública y defensa 2,3669

Otros Servicios 2,3681

Servicios Domésticos y Hogares 2,4373

Servicios Sociales y Salud 2,4531

Artes y recreación 2,4546

Comercio al por mayor y por menor, reparación vehículos

2,4696

Alojamiento y servicios de comida 2,4984

Industria Manufacturera 2,5519

Construcción 2,5754

Administrativas y servicios de apoyo 2,6429

Actividades Inmobiliarias 2,6607

Minería y canteras 2,8123

Transporte y almacenamiento 2,9020

Agricultura, silvicultura y Pesca 3,0775

Fuente: Elaboración propia utilizando PIAAC Chile 2015 en base a Marcolin et al. (2016a y 2016b).

30

Considerando los sectores económicos se observa que los que tienen mayor índice de

intensidad de rutina corresponden a Agricultura, silvicultura y pesca, seguido de

Transporte y almacenamiento y Minería y Canteras.

A continuación, se presenta cual es la composición de tareas según su intensidad de rutina

a nivel de sector económico.

Gráfico 8: Cuartiles de Rutina por Sector Económico

Fuente: Elaboración propia utilizando PIAAC 2015 en base a Marcolin et al. (2016a y 2016b)

Como se puede apreciar, en términos generales, los tres sectores en cuyo mix de tareas,

las rutinarias tienen una alta participación, corresponden a Agricultura, Silvicultura y Pesca

(43%), Transporte y Almacenamiento (36%), y Minería y Canteras (30%). Por otra parte,

los tres sectores con menor contenido de tareas rutinarias corresponden a Suministro de

agua y alcantarillado (9,5%), Actividades Financieras y Seguros (9%), e Información y

Comunicación (6%).

10% 11% 9%17% 18% 19% 19% 15%

21%26%

14%23% 22% 21%

29%

56%

23%

8%18%

39%19% 20%

38%

10%17% 12%

19% 28% 20% 12%

24%

21%18% 22%

23%

17%

26%

26%

40%

35%

28%33%

23%

45%39% 46%

39%35% 38% 42% 44%

39% 44% 40%

31%

11%

37%

57%

33%

20%43%

36%30% 27% 26% 24% 24% 22% 21% 20% 19% 18% 17% 17% 16% 16% 14%

9% 9% 6%

0%

100%

Cuartiles de Rutina por Sector Económico (CIIU-04) PIAAC 2015


31

PotencialdeImpactodeAutomatizacion

Los siguientes gráficos muestran cuales son los sectores económicos y ocupaciones con un

potencial mayor de automatización, considerando su participación en el empleo.

En el caso de las ocupaciones (Gráfico 9), vemos que los operadores de instalaciones y

maquinas, Agricultores tienen un alto potencial de automatización, sin embargo, su

impacto en el empleo es bajo comparado con las ocupaciones de servicios y vendedores,

oficiales, operarios y artesanos. El caso de Ocupaciones elementales es el caso con mayor

impacto por su alta participación en el empleo y su alto potencial de automatización.

Gráfico 9: Potencial de impacto de automatización sobre empleo rutinario según Ocupación

Fuente: elaboración propia en base a PIAAC 2015 y NENE 2017.

En el caso de los sectores económicos, es muy relevante la gran participación que tiene el

sector comercio en el empleo y en la dedicación a tareas rutinarias, sin embargo, si bien el

sector agricultura y el de transporte son intensivos en empleo rutinario su participación en

el empleo es menor al 10%. Además analizando el aporte de cada actividad económica al

PIB se observa que el sector financiero representa un 17%, mientras que comercio se

ubica en el segundo lugar junto con manufactura con un 12%.

Operadores de instalaciones y maquinas

Agricultores

Ocupaciones elementales

Servicios y vendedoresPersonal de apoyo adm.

Oficiales, operarios y artesanos

Técnicos y profesionales de nivel medio

Profesionales, científicos e intelectuales

Directores y gerentes

20%

30%

40%

50%

60%

70%

80%

90%

0% 5% 10% 15% 20% 25% 30%% E

mp

leo

Ru

tin

ario

co

n P

ote

nci

al d

e A

uto

mat

izac

ión

% Participación en el Empleo

Potencial de Impacto de Automatización sobre Empleo Rutinario según Ocupación

32

Gráfico 10: Potencial de impacto de automatización sobre empleo rutinario (medio y alto) según sector económico y PIB Sectorial.

Fuente: elaboración propia en base a PIAAC 2015 y cifras del Banco Central a diciembre 2016.

El sector “Otros” incluye: Administrativas y servicios de apoyo, Servicios Sociales y Salud,

Artes y recreación, Servicios Domésticos y Hogares, Otros Servicios, Profesionales,

Científicos y técnicos, Educación.

Los principales hallazgos de esta sección son que las ocupaciones con mayor potencial de

automatización son Ocupaciones elementales, Agricultores y trabajadores del agro, y

Operadores de instalaciones y maquinas, considerando la participación en el empleo las

ocupaciones elementales son las con mayor impacto de automatización en el País.

Las ocupaciones elementales incluyen: Limpiadores y asistentes; Peones agropecuarios,

pesqueros y forestales; Peones de la minería, la construcción, la industria manufacturera y

el transporte; Ayudantes de preparación de alimentos; Vendedores ambulantes de

servicios y afines; Recolectores de desechos y otras ocupaciones elementales.

En el ámbito de sectores económicos los con mayor índice de rutina son Agricultura,

Transporte, Minería y Actividades Inmobiliarias. Aunque al ver la participación en el

empleo el sector Comercio es el con mayor impacto de automatización.

ComercioIndustria Manufacturera

Agricultura

Construcción

Transporte

Administración publica y defensa

Minería

Actividades Financieras

Información y Comunicación

Actividades Inmobiliarias

Electricidad, gas, agua

Otros

20%

30%

40%

50%

60%

70%

80%

90%

0% 5% 10% 15% 20% 25% 30%

% E

mp

leo

Ru

tin

ario

co

n P

ote

nci

al d

e A

uto

mat

izac

ión

% Participación en el Empleo

Potencial de Impacto de Automatización sobre Empleo Rutinario (medio y alto) según Sector Económico y PIB Sectorial

Tamaño burbuja

representa % en el PIB.

33

Comercio incluye venta de vehículos automotores, mantenimiento y reparación de

vehículos automotores, venta de partes, piezas y accesorios de vehículos automotores,

venta, mantenimiento y reparación de motocicletas y sus partes, venta al por menor de

combustible para automotores, venta al por mayor a cambio de una retribución o por

contrata, venta al por mayor de materias primas agropecuarias, venta al por mayor de

enseres domésticos, venta al por mayor de productos intermedios, desechos no

agropecuarios, venta al por mayor de maquinaria, equipo y materiales conexos, venta al

por mayor de otros productos, comercio al por menor no especializado en almacenes,

venta por menor de alimentos, bebidas, tabacos en almacenes especializados.

34

Caracterizacion Trabajadores con Potencial

deAutomatizacion

A continuación, se presentan gráficos en base a variables sociodemográficas, que

caracterizan a los trabajadores según los cuartiles de rutina.

A mayor calificación menor Intensidad de Rutina: En la gráfico 11 se muestra la relación

entre el nivel de calificación, el cual considera una agrupación de las calificaciones basado

en el manual de CIUO – 08, y los cuartiles de intensidad de rutina.

Gráfico 11: Cuartiles de Rutina por Nivel de Calificación


Como se puede apreciar, los resultados tienden a ser bastante consistentes con la

intuición respecto de que aquellas ocupaciones con un mayor nivel de calificación tienden

a tener un menor contenido de tareas rutinarias, mientras que a un menor nivel de

calificación el contenido de las ocupaciones tiende a ser más intensivo en tareas con un

mayor nivel de rutina.

14,6% 13,7% 16,4%31,2%

16,4% 17,5%17,4%

31,2%37,1%36,8%

41,3%

31,7%31,9% 32,1%

24,9%

5,9%

0%

100%

Ocupacioneselementales

Ocupaciones semi-calificadas obreras

Ocupaciones semi-calificadas

profesionales

Ocupacionescalificadas

Cuartiles de Rutina según Nivel de Calificación PIAAC 2015


35

Al observar aquellas ocupaciones con trabajadores calificados, vemos que un 62,4% de las

tareas tienden a ser no rutinarias o de baja rutina (NR 31,2% - BR 31,2%). Al observar

aquellas ocupaciones con trabajadores semi-calificados, vemos que el contenido de tareas

no rutinarias disminuye a poco menos de la mitad de lo que era para el caso de las

ocupaciones con trabajadores calificados. Además, vemos que para las ocupaciones con

trabajadores semi-calificados profesionales y obreros, el contenido de tareas rutinarias

aumenta considerablemente a 24,9% y 32,1% respectivamente. Para el caso de las

ocupaciones con trabajadores con un nivel de calificación elemental, vemos que tienen un

contenido de tareas con un nivel de intensidad de rutina alta y media cercana al 70%. No

obstante, en términos generales, no difiere mucho en cuanto al contenido de tareas según

intensidad de rutina que tienen las ocupaciones con trabajadores semi-calificados

obreros, (En Anexo 6 se presentan la clasificación de ocupaciones y nivel de calificación

utilizada).

No hay diferencia en Intensidad de rutina entre mujeres y hombres: Como se aprecia en

el la Gráfico 12, al menos a partir de la información levantada en la encuesta PIAAC, no

existen mayores diferencias entre el contenido de las tareas según su nivel de intensidad

de rutina, que realizan hombres y mujeres. Se observa que el porcentaje del contenido de

tareas altamente rutinario que realizan las mujeres es levemente menor, en comparación

con los hombres.

Gráfico 12: Cuartiles de Rutina por Sexo


18% 22%

22% 20%

36% 38%

25% 20%

0%

10%

20%

30%

40%

50%

60%

70%

80%

90%

100%

Hombre Mujer

Cuartiles de Rutina según Sexo PIAAC 2015


36

A mayor nivel educación menor Intensidad de rutina: Como se puede apreciar en el

gráfico 13, la relación entre intensidad de rutina y nivel educacional resulta ser intuitiva. A

mayor nivel educacional, mayor el porcentaje de tareas no rutinarias y menor el

porcentaje de tareas rutinarias. Otra cosa que se puede apreciar es que las tareas con un

nivel de rutina alta caen bruscamente a menos de 5% en aquellas personas con educación

terciaria con licenciatura y a 1,5% en educación postgrados.

Gráfico 13: Cuartiles de Rutina por Nivel Educativo


9,9% 9,7% 13,7% 17,2%23,8%

34,8%46,0%

14,3%21,9% 13,4%

18,6%

29,8%

26,8%

32,4%

32,9%

37,9%40,9%

38,0%

34,7%

33,0%

20,1%

43,0%

30,5% 32,0%26,2%

11,6%5,4% 1,6%

0%

100%

Sineducación

Primaria 6to básico a2do medio

2do a 4tomedio

Terciariatécnica y

terciaria sinlicenciatura

Terciaria conlicienciatura

(Universidad)

Terciariapostgrado

Cuartiles de Rutina Según Nivel de Educación PIAAC 2015


37

Sin relación evidente entre Intensidad de rutina y edad: En cuanto al contenido de tareas

realizadas por los trabajadores según su grupo etario (Gráfico 14), vemos que no existe

mayor diferencia entre ellos, excepto para los menores de 25 años, quienes tienen una

mayor participación de tareas Rutinarias (34% aprox.) y una menor participación de tareas

No Rutinarias (14% aprox.)

Gráfico 14: Cuartiles de Rutina por Grupo de Edad


13,7% 17,1%26,0%

17,5% 22,7%

19,4%23,4%

19,4%

19,8%21,0%

33,0%

36,0%33,5%

42,7%38,1%

33,8%23,6% 21,1% 20,0% 18,2%

0%

100%

24 o menos 25 a 34 35 a 44 45 a 54 55 o +

Cuartiles de Rutina Según Grupo Etario PIAAC 2015


38

Sin relación evidente entre intensidad de rutina y años de experiencia reportados: la

Gráfico 15 nos muestra que no hay una relación evidente entre la intensidad de rutina de

las tareas realizadas y los años de experiencia. Sí se puede apreciar que previo a los 35

años de experiencia, mayor el porcentaje de tareas de rutina media y baja, mientras que,

con más de 35 años, la participación de dichas tareas es casi constante y en torno al 40%.

Gráfico 15: Cuartiles de Rutina por Años de Experiencia


15% 18%24%

17%22% 22% 17%

39%29%

19%21%

21%

20%

28% 25%22%

16%

17%

39%38%

36%43%

32% 36%40%

26%

21%

27% 23% 19% 20% 18% 17% 21% 19%

34%

0%

100%

0 - 5 años 6 - 10 años 11 - 15años

16 - 20años

21 - 25años

26 - 30años

31 - 35años

36 - 40años

Más de 40años

Cuartiles de Rutina Según Años de Experiencia Reportados PIAAC 2015


39

Sin relación evidente entre intensidad de rutina y tamaño de la empresa: La Gráfico 16

muestra que mientras mayor el tamaño de la empresa, menor el contenido de tareas

rutinarias media y alta, aunque la diferencia entre empresas de 1 a 10 trabajadores y de

más de 1.000 trabajadores no supera el 20% por lo que no es tan clara la relación.

Gráfico 16: Cuartiles de Rutina y Tamaño Empresas


12,3% 16,3% 15,4%24,7% 23,4%

15,87%

21,89% 22,28%

20,93% 26,52%

41,4%33,7% 38,2% 26,6%

31,1%

30,4% 28,1% 24,2% 27,8%19,0%

0%

100%

1 a 10 11 a 50 51 a 250 251 a 1000 más de 1000

Número de Trabajadores

Cuartiles de Rutina Según Tamaño Empresa por Número de Trabajadores PIAAC 2015


40

Mayor Nivel de Habilidades5 de Compresión Lectora, Razonamiento Matemático y

Resolución de Problemas en ambientes tecnológicos menor intensidad de rutina: de

acuerdo con la Gráfico 17, Gráfico 18 y Gráfico 19 el resultado en este análisis resulta ser

bastante intuitivo. A mayor nivel de habilidades en comprensión lectora, menor la

participación en trabajos rutinarios. Lo mismo sucede para los dos otros tipos de

habilidades.

Gráfico 17: Cuartiles de Rutina por Habilidades en Literacy

Fuente: Elaboración propia utilizando PIAAC.

5 Ver en anexo 7 la clasificación de los niveles de desempeño PIAAC.

10% 13% 17% 22%

65%

10%17%

26%24%

26%

40%

36%

37% 35%

6%

41%34%

20% 19%

3%

0%

100%

Nivel 0 Nivel 1 Nivel 2 Nivel 3 Nivel 4 o 5

Cuartiles de Rutina por Nivel de Competencia PIAAC 2015Literacy


41

Gráfico 18: Cuartiles de Rutina por Habilidades en Numeracy


Gráfico 19: Cuartiles de Rutina por Habilidades en Problem Solving


8% 12%21% 27%

43%12%

16%

28%31%

27%

38%

43%

31%

31%

25%42%

29%20%

11%4%

0%

100%

Nivel 0 Nivel 1 Nivel 2 Nivel 3 Nivel 4 o 5

Cuartiles de Rutina por Nivel de Competencia PIAAC 2015Numeracy


16% 18% 24%40%15%

29% 25%

37%40%

33% 38%

16%29%19% 14% 7%

0%

100%

Nivel 0 Nivel 1 Nivel 2 Nivel 3

Cuartiles de Rutina por Nivel de Competencia PIAAC 2015 Problem Solving


42

Mayor ingreso por hora menor Intensidad de rutina: de acuerdo a la gráfico 20, se

observa en general una relación de proporcionalidad inversa entre el ingreso e intensidad

de rutina, a mayor intensidad de rutina menor es el salario por hora. Específicamente, en

los deciles 8 al 10 de ingreso por hora la participación del empleo no rutinario aumenta

con respecto a los demás cuartiles de rutina, con un 24% en promedio. Mientras que, en

los primeros deciles de ingreso por hora, hay una mayor concentración de empleo

rutinario (AR+MR), con un promedio de 77% para los primeros tres deciles.

Gráfico 20: Cuartiles de Rutina y Deciles de Ingreso


Análisis ingreso por hora y trabajo rutinario

En esta subsección se estima el retorno al trabajo rutinario. Para ello, se formuló una

regresión considerando la ecuación propuesta por Mincer (1974), incorporando el Índice

de Intensidad de Rutina y el tamaño de la empresa, medido por el rango de número de

personas.

Entonces, para los cálculos se utilizó el método de mínimos cuadrados ordinarios para

estimar el coeficiente asociado a la intensidad de rutina.

�� ! � "#$ %� � "&$'�� "(�� "�)� � *�

12,8% 7,1% 12,1% 12,0%6,3%

16,7% 14,1%25,9% 21,5% 25,1%

10,1%

8,0%

16,2% 16,4%

14,5%

20,3%30,5%

31,3%31,7% 24,2%

38,1%

40,4%

38,4% 43,0%

40,4%

39,2%30,1%

27,8%30,0% 37,8%

39,0% 44,4%33,3% 28,5%

38,9%

23,8% 25,3%15,0% 16,8% 12,9%

0%

100%

1 2 3 4 5 6 7 8 9 10

Número de Trabajadores

Cuartiles de Rutina Según Decil de Ingresos PIAAC 2015


43

Donde,

�� : Salario por hora del individuo �

$ %�: años de escolaridad del individuo � reportados en la PIAAC

$'��: años de experiencia del individuo � reportados en la PIAAC

��: Índice de Intensidad de Rutina del individuo �

)�: un vector de variables Dummies que controla por tamaño de la firma, en que el

tramo 1 representa una firma con 1 a 10 trabajadores; el tramo 2 con 11 a 50

trabajadores; el tramo 3 con 51 a 250 trabajadores; el tramo 4 con 251 a 1000

trabajadores; y finalmente el tramo 5, con más de 1000 trabajadores.

De la estimación por mínimos cuadrados ordinarios de la especificación anterior se

realizan las siguientes observaciones6:

• A mayor intensidad de rutina de la ocupación o trabajo realizado, menor el retorno

o ingreso por hora del trabajador. En concreto, un punto más en el índice de

intensidad de rutina, significa en promedio, una reducción del salario por hora en

un 9%.

• Se observa también que, a mayor tamaño de la empresa, mayor el salario

promedio por hora del trabajador es mayor, lo que se explica por los coeficientes

positivos relacionados al tamaño de la empresa.

Efecto del RII

La regresión anterior muestra un resultado bastante intuitivo respecto a que los retornos

salariales de los trabajos más rutinarios son en promedio menores, puesto que, a mayor

índice de intensidad de rutina, menor el salario por hora.

A continuación, se desagrega el retorno de la intensidad de rutina, evaluando el efecto de

pasar de un empleo no rutinario (NR), a un empleo con baja intensidad de rutina (BR), o a

uno de rutina media (MR), o finalmente a un empleo altamente rutinario (AR).

Para realizar este análisis, se replica la regresión anterior, pero en vez de utilizar

directamente el RII, se utilizan como variables dummies, la descomposición en cuartiles a

través de las cuales se definió anteriormente el trabajo no rutinario (NR), el trabajo con

6 En Anexo 8 tabla de resultados de la regresión.

44

baja intensidad de rutina (BR), el trabajo con intensidad media de rutina (MR) y el trabajo

altamente rutinario (AR).

Dicho lo anterior, se estimó por mínimos cuadrados ordinarios la siguiente especificación:

�� ! � "#$ %� � "&$'�� "(�� ",-� � ".�� "�)� � *�

Donde,

��: Dummy – Empleo con Baja Intensidad de Rutina

-�: Dummy – Empleo con Intensidad Media de Rutina

��: Dummy – Empleo Altamente Rutinario

A partir de los resultados de la estimación se realizaron las siguientes observaciones7:

• Con la evidencia disponible y con un 95% de nivel de confianza, no se puede

determinar si en promedio se genera una diferencia salarial al pasar de un trabajo

No Rutinario a uno de Intensidad de Rutina Baja (BR). Esto dado que el coeficiente

asociado a BR es estadísticamente no significativo.

• Pasar de un trabajo No Rutinario a uno de Intensidad de Rutina Media, implica en

promedio, una disminución del salario por hora de aproximadamente un 9,9%,

considerando un 95% de nivel de confianza.

• Pasar de un trabajo No Rutinario a uno de Alta Intensidad de Rutina, implica en

promedio, una disminución del salario por hora de aproximadamente un 19,1%,

considerando un 95% de nivel de confianza.

7 En Anexo 8 Tabla de resultados de las regresiones.

45

Cuantificacion Trabajadores conPotencialdeAutomatizacion

En esta sección se presentan los resultados de la última parte de este estudio que

consistió en cuantificar por sector económico la población con potencial de

automatización.

Número de trabajadores con potencial de automatización

De acuerdo con Tabla 5 se aprecia que, en el primer trimestre móvil del año 2017, en total

1.938.536 trabajadores tienen el potencial ser desplazados por la automatización debido a

que las tareas que realizan son altamente rutinarias. Este grupo es principalmente

representado por trabajadores del sector de Agricultura (352.927), Comercio al menor y

por mayor (338.131) y la industria Manufacturera (209.305).

Tabla 5: Cuantificación de trabajadores

Fuente: elaboración propia en base a PIAAC 2015 y NENE 2017.

Cod. CIIU - 04 Sector Económico (CIIU - 04)No Rutinario

(NR)

Rutinario

Bajo

(LR)

Rutinario

Medio

(MR)

Rutinario

Alto

(HR)

Total de

Empleados

Trim. Movil

Ene - Mar 2017

Índice de

Intensidad de

Rutina

10 Informacion y Comunicacion 55.075 49.706 28.830 8.407 142.018 1,882

4 Suministro de electricidad, gas… 21.849 6.654 4.409 6.069 38.982 2,117

13 Profesionales, Cientificos y Técnicos 63.829 49.570 68.127 35.507 217.033 2,225

11 Actividades Financieras y Seguros 28.053 62.720 52.704 14.746 158.224 2,235

16 Educacion 143.853 163.879 227.191 87.008 621.931 2,283

5 Suministro de agua, alcantarillado… 4.275 13.527 29.870 4.981 52.653 2,331

15 Administracion publica y defensa 100.863 91.351 172.166 80.148 444.528 2,367

19 Otros Servicios 50.659 53.414 98.588 41.127 243.789 2,368

20 Servicios Domesticos y Hogares 69.729 56.770 140.490 55.384 322.372 2,437

17 Servicios Sociales y Salud 108.417 50.296 179.440 84.856 423.009 2,453

18 Artes y recreacion 13.165 23.078 42.622 17.938 96.803 2,455

7 Comercio al por mayor y por menor… 330.507 314.625 604.950 338.131 1.588.213 2,470

9 Alojamiento y servicios de comida 54.704 102.246 127.058 81.417 365.425 2,498

3 Industria Manufacturera 164.163 170.193 343.225 209.305 886.886 2,552

6 Construccion 126.477 121.059 277.195 188.219 712.950 2,575

14 Administrativas y servicios de apoyo 40.916 25.943 101.738 52.572 221.169 2,643

12 Actividades Inmobiliarias 13.658 7.730 35.625 21.301 78.314 2,661

2 Mineria y canteras 17.588 74.740 44.009 58.653 194.991 2,812

8 Transporte y almacenamiento 62.359 110.388 187.189 199.840 559.775 2,902

1 Agricultura, silvicultura y Pesca 84.128 153.906 233.828 352.927 824.789 3,077

Total 1.554.270 1.701.793 2.999.255 1.938.536 8.193.854

% 19% 21% 37% 24% 100%

Empleo según Sector Económico e Intensidad de Rutina

Chile

Nueva Encuesta Nacional de Empleo Trimestre Móvil Enero - Marzo 2017

46

Conclusiones

Se identificó un común denominador que está presente en todas las investigaciones

realizadas a nivel mundial, que es la característica rutinaria de cierto tipo de tareas,

variable a través de la cual se pueden pronosticar los efectos de la automatización en el

empleo. Considerando esta variable se desarrolló el análisis del caso Chileno presentado

en este estudio.

Se puede afirmar que todavía no existe polarización en el empleo en Chile y que esto se

puede deber a que el proceso de adopción de tecnologías de automatización es más lento,

y también a que el mercado laboral chileno es menos flexible que el de otros países como

EEUU.

De esta forma, considerando las tareas con alta y media rutina, el índice de intensidad de

rutina en Chile nos sugiere que el 61% de los trabajadores se emplea en ocupaciones con

potencial de automatización, siendo levemente superior al promedio de la OCDE (58%).

Ahora, si se consideran solo las tareas con alta rutina este índice es de un 24%, el cual se

considera como la población con alto potencial de ser reemplazada, cercana también al

promedio OCDE de 28%.

Las ocupaciones con mayor potencial de automatización son Ocupaciones elementales,

Agricultores y trabajadores del agro y Operadores de instalaciones y maquinas,

considerando la participación en el empleo las ocupaciones elementales son las con

mayor impacto de automatización en el país.

En el ámbito de sectores económicos los con mayor índice de rutina son Agricultura,

Transporte, Minería y Actividades Inmobiliarias, aunque al ver la participación en el

empleo el sector Comercio es el con mayor impacto de automatización.

En base a los resultados obtenidos de la caracterización de los trabajadores se observa

que la calificación de las ocupaciones, la educación y el nivel de habilidades resultan

críticos a la hora de determinar quiénes están dedicados a trabajos más rutinarios y, por lo

tanto, más propensos a ser reemplazados por tecnología que automatice los procesos.

Referente al salario por hora se concluye que a mayor ingreso por hora menor Intensidad

de rutina, además se estimó que pasar de un trabajo No Rutinario a uno de Intensidad de

Rutina Media, implica en promedio, una disminución del salario por hora de

aproximadamente un 9,9%. Pasar de un trabajo No Rutinario a uno de Alta Intensidad de

Rutina, implica en promedio, una disminución del salario por hora de aproximadamente

un 19,1%.

47

Finalmente se cuantifica a la población con potencial de automatización, considerando

datos del primer trimestre móvil del año 2017, en un total de 1.938.536 trabajadores. Este

grupo es principalmente representado por trabajadores del sector de Agricultura

(352.927), Comercio (338.131) y la industria Manufacturera (209.305).

Desafıosparafuturasinvestigaciones

Como desafíos para estudios futuros, sería interesante mapear lo tipos de cambios

tecnológicos a nivel de la empresa, más allá del uso de TIC básicos, ya sea a través de la

encuesta longitudinal de empresa u otros estudios. Así como también, contar con datos

de empleo para un horizonte de tiempo más amplio con el fin de hacer un análisis más

exhaustivo del cambio en la estructura del empleo y el efecto de polarización.

También resulta interesante hacer un estudio econométrico para estimar el efecto del

cambio tecnológico en la estructura del empleo. Particularmente, resulta atractivo

analizar en el futuro cual es la relación entre innovación y adopción de nuevas tecnologías

sobre todo para el caso de una industria relevante para Chile como lo es la minería.

De acuerdo con la OCDE, otro de los factores detrás de la polarización del empleo es la

globalización o cadenas de valor globales. Sería interesante estudiar para Chile el efecto

de este factor en el empleo.

Resultaría interesante elaborar una encuesta prospectiva, aplicada principalmente a los

CEO y mandos medios de las empresas en Chile a efectos de conocer cuáles son las

tendencias en materia de innovación e implementación de nuevas tecnologías, y cómo

perciben las empresas que serán impactadas en términos de su productividad y en el nivel

y tipo de empleo, y habilidades requeridas en el futuro. Esto sería un intento de

anticiparse a las tendencias futuras y preparar con antelación a través de política pública

el ajuste a dichas nuevas tecnologías por parte del mercado laboral, industrial y

educacional.

48

Referencias

Acemoglu, D. (1999). Changes in Unemployment and Wage Inequality: An Alternative Theory and Some Evidence. American Economic Review, 89(5), 1259–78.

Acemoglu, D. (2002). Technical Change, Inequality and the Labor Market. Journal of

Economic Literature, 40(1), 7–72. Acemoglu, D. & Autor, D. (2011). Chapter 12: Skills, Tasks and Technologies: Implications

for Employment and Earnings. Handbook of Labor Economics, 4b, 1043–1171. Acemoglu, D. & Restrepo, P. (2017). Robots and Jobs: Evidence from US Labor Markets.

NBER Working Paper No. 23285.

Almeida, R., Fernandez, A. & Viollaz, M. (2017). Does the Adoption of Complex Software Impact Employment Composition and Task Content of Occupations? Evidence from Chilean Firms. Policy Research Working Paper, No 8110.

Arntz, M., Gregory, T. & Zierahn, U. (2016). The Risk of Automation for Jobs in OECD Countries: A Comparative Analysis. OECD Social, Employment and Migration

Working Papers, No 189, OECD Publishing, Paris.

Autor, D.H. (2010). The Polarization of Job Opportunities in the U.S. Labor Market: Implications for Employment and Earnings. Center for American Progress and The

Hamilton Project. Autor, D.H., (2015). Why Are There Still So Many Jobs? The History and Future of

Workplace Automation. Journal of Economic Perspectives, 29(3), 3–30. http://dx.doi.org/10.1257/jep.29.3.3

Autor, D.H. & Dorn, D., (2013). The Growth of Low-Skill Service Jobs and the Polarization of the U.S. Labor Market. The American Economic Review, 103(5), 1553–1597. http://dx.doi.org/10.1257/aer.103.5.1553

Autor, D.H., Levy, F. & Murnane, R.J. (2003). The Skill Content of Recent Technological Change: An Empirical Exploration. The Quarterly Journal of Economics 118(4), 1279–1333. http://dx.doi.org/10.1162/003355303322552801

Brynjolfsson, E., McAfee, A., (2014). The Second Machine Age: Work, Progress, and Prosperity in a Time of Brilliant Technologies. W.W. Norton&Company.

Brzeski, C., Burk, I., (2015). Die Roboter kommen. Folgen der Automatisierung für den deutschen Arbeitsmarkt [The Robots Come. Consequences of Automation for the German Labour Market], ING DiBa Economic Research.

Chile. Comisión Nacional de Productividad, (n.d.). Sistema de Formación de Competencias para el Trabajo en Chile. Recuperado de http://www.comisiondeproductividad.cl/wp-content/uploads/2016/10/Documento-Inicio-Investigacion-Sistema-de-Formacion-de-Competencias-para-el-Trabajo-en-Chile.pdf

Frey, C. & Osborne, M. (2013). The future of Employment: How Susceptiblw Are Jobs To Computarisation?. Working Paper Oxford martin School University of Oxford.

Frey, C., Osborne, M. & Holmes, C. (2016). Technology at work v2.0: The future is not what it used to be. Oxford, Oxford Martin School and Citi Global Prospects and Solutions. Recuperado de

49

https://www.oxfordmartin.ox.ac.uk/downloads/reports/Citi_GPS_Technology_Work_2.pdf

Goos, M., Manning, A. & Salomons, A. (2014). Explaining Job Polarization: Routine-Biased Technological Change and Offshoring. American Economic Review, 104(8), 2509–26. http://dx.doi.org/10.1257/aer.104.8.2509

Levy, F. & Murnane, R.J. (2013). Dancing with robots: Human skills for computerized work. Third Way, Washington, DC, EEUU. Recuperado de http://dusp.mit.edu/sites/dusp.mit.edu/files/attachments/publication/Dancing-With-Robots.pdf

Manyika, J., Chui, M., Miremadi, M., Bughin, J., George, K., Willmott, P. & Dewhurst, M. (2017). A future that works: automation, employment, and productivity. McKinsey

Global Institute, San Francisco, EEUU. Recuperado de http://www.mckinsey.com/global-themes/digital-disruption/harnessing-automation-for-a-future-that-works

Marcolin, L., Miroudot, S. & Squicciarini, M. (2016a). Routine jobs, employment and technological innovation in global value chains. OECD Science, Technology and Industry Working Papers. OECD Publishing, Paris. http://dx.doi.org/ 10.1787/5jm5dcz2d26j-en

Marcolin, L., Miroudot, S. & Squicciarini, M., (2016b). The Routine Content Of Occupations: New Cross-Country Measures Based On PIAAC. OECD Trade Policy Papers, No 188, OECD Publishing, Paris. http://dx.doi.org/10.1787/5jm0mq86fljg-en

Mokyr, J., Vickers, C. & Ziebarth, N. (2015). The History of Technological Anxiety and the Future of Economic Growth: Is This Time Different? Journal of Economic Perspectives, 29(3), 31-50. http://dx.doi.org/10.1257/jep.29.3.31

OCDE (2013). The Survey of Adult Skills: Reader’s Companion, First edition, OECD Skills studies, OECD Publishing, Paris. http://dx.doi.org/10.1787/9789264258075-en

OCDE (2016a). Skills Matter: Further Results from the Survey of Adult Skills. OECD Skills Studies. OECD Publishing.

OCDE (2016b). ICTs and jobs: Complements or substitutes? OECD Digital Economy Papers, No. 259, OECD Publishing, Paris, http://dx.doi.org/10.1787/5jlwnklzplhg-en

OCDE (2017a). The Next Production Revolution: Implications for Governments and Business. OECD Publishing, Paris. http://dx.doi.org/10.1787/9789264271036-en

OCDE (2017b). OECD Employment Outlook 2017. OECD Publishing. http://dx.doi.org/ 10.1787/empl_outlook-2017-en

Pajarinen, M. & Rouvinen, P. (2014). Computerization Threatens One Third of Finnish Employment. No 22 ETLA Brief, The Research Institute of the Finnish Economy.

Rodrik, D., (2016). Premature deindustrialization. Journal of Economic Growth 21, 1–33. http://dx.doi.org/10.1007/s10887-015-9122-3

Santos, I., Monroy, S. & Moreno, M., (2015). Technological Change and Labor Market Disruptions: Evidence from the Developing World. IZA conference mimeo.

Vodafone, (2015). M2M Barometer 2015 Report. Vodafone.

50

Anexos

Anexo 1: Calculo del Riesgo de Automatizacion

Recientemente la OCDE (2017b) ha calculado un nuevo indicador sobre el riesgo de

automatización, siguiendo la metodología Arntz et al. (2016).

La metodología sigue el enfoque basado en la tarea. El enfoque se basa en la idea de que

la automatización depende en última instancia de las tareas que los trabajadores realizan

para estas labores y de la facilidad con que estas tareas pueden ser automatizadas.

Para implementar este enfoque, se estima la relación entre las tareas en el lugar de

trabajo en los EE.UU. y la automatización, para luego transferir la automatización a

puestos de trabajo en otros países de la OCDE, usando esta relación estadística. El análisis

se basa en datos de encuestas individuales con respecto a una lista completa de tareas

que las personas realmente realizan en su lugar de trabajo, es decir, usando la PIAAC.

Dado que sólo se dispone de códigos CIUO de 2 dígitos en el PIAAC, surge un problema de

asignación. Por lo tanto, asignan múltiples valores de la automatización a cada individuo

en los datos PIAAC y siguen un enfoque de imputación múltiple. Para cada individuo en los

datos de PIACC, identifican la automatización con la probabilidad más alta basada en el

método de Ibrahim (1990) e implementan un algoritmo de Expectativa-Maximización

(EM).

Se define que los trabajos en alto riesgo de automatización son aquellos cuya probabilidad

de ser automatizados es de al menos un 70%. Mientras que, los empleos en riesgo de

cambio significativo son aquellos con la probabilidad de que su trabajo sea automatizado

entre el 50 y el 70%.

La OCDE (2017b) en su más reciente publicación, Employment Outlook 2017, calcula

información del riesgo de automatización para la segunda ronde de países de PIAAC, de la

cual Chile es parte.

51

Gráfico 21: Riesgo de automatización en países OCDE

Fuente: OCDE, 2017b.

En base a esta metodología, Arntz et al. (2016) estima que en general para los países

OCDE el riesgo de automatización es de un 9%, mientras que en el caso de Chile un 6% del

empleo tiene un alto riesgo de automatización y un 25% tiene un menor riesgo pero

significativo de ser automatizado. Sin embargo, críticas han surgido a este modelo de

cálculo indicando que el efecto atenuante que aplica Arntz es un tanto excesivo (PWC,

2017). De esta forma, sería interesante en el futuro indagar en esta metodología de

cálculo.

0%

5%

10%

15%

20%

25%

30%

35%

40%

45%

50%

Jobs at high risk of automation Jobs at risk of significant change

52

Anexo2:TabladeAgrupaciondeCategorıas

Clasificación Almeida et al.

(2017)

Clasificación NENE CIUO-88 (1 digito)

Clasificación CASEN

Directores y Gerentes

Gerentes, Administradores y Directivos

M. Poder Ejecutivo

Profesionales calificados

Profesionales, Técnicos y Afines

Profesionales Científicos

Técnicos Y Prof. Nivel Medio

Personal administrativo

Empleados oficina y afines Empleado Oficina

Personal no calificado

Vendedores y afines Vendedores Comercio

Agricultores, Ganaderos, Pescadores

Agricultores Y Trabajo Calificado

Conductores y afines

Artesanos y Operarios Oficiales, Operarios Y Artesanos

Otros Artesanos y Operarios

Operadores Y Montadores

Obreros y Jornaleros N.E.O.C.

Trabajo No Calificados

Trabajadores en Servicios Personales

53

Anexo3:EvoluciondelEmpleoconOcupacionesNENEyCASEN

Los siguientes gráficos muestran la evolución de todas las ocupaciones y se aprecia

claramente la no variabilidad de la estructura del empleo.

Gráfico 22: evolución de la estructura de empleo en Chile Nueva Encuesta Nacional de Empleo

Fuente: Elaboración propia en base a NENE (2010-2017).

0%

10%

20%

30%

40%

50%

60%

70%

80%

90%

100%

Ene - Mar 2010 Ene - Mar 2011 Ene - Mar 2012 Ene - Mar 2013 Ene - Mar 2014 Ene - Mar 2015 Ene - Mar 2016 Ene - Mar 2017

Evolución de la estructura del empleo en ChileNueva Encuesta Nacional de Empleo

Directores y gerentes Profesionales, cientificos e intelectual Tecnicos y profesionales de nivel medio

Oficiales, operarios y artesanos Servicios y vendedores Personal de apoyo administrativo

Ocupaciones elementales Agricultores y trabajadores del agro Operadores de instalaciones y maquinas

54

Gráfico 23: evolución del empleo encuesta CASEN

Fuente: Elaboración propia en base a CASEN (1992-2011).

0%

10%

20%

30%

40%

50%

60%

70%

80%

90%

100%

1992 1996 1998 2000 2003 2006 2011

Evolución del Empleo Encuesta CASEN

M. Poder Ejecutivo Profesionales Científicos Técnicos Y Prof. Nivel Medio

Empleado Oficina Vendedores Comercio Agricultores Y Trabajo Calificado

Oficiales, Operarios Y Artesanos Operadores Y Montadores Trabajo No Calificados

55

Anexo4:ResultadosAdicionalesEvoluciondelEmpleo

Estructura del Empleo dentro de las Empresas: contratación y salidas.

Al observar desde la perspectiva del tamaño de empresas, vemos que la estructura del

empleo es bastante similar entre las empresas grandes y medianas por una parte, y

bastante similar entre las empresas Pequeñas y Micro, por otra.

Gráfico 24: Estructura del empleo según tamaño de empresa. Chile 2015 - ELE

Fuente: elaboración base en base a ELE4

Se puede apreciar que las empresas grandes y medianas tienen una menor proporción de

personal directivo, que el resto. En cuanto al personal calificado, las empresas grandes y

medianas concentran una mayor proporción de personal calificado. En cuanto a

ocupaciones elementales, este grupo de empresas tiene una mayor proporción que las

pequeñas y microempresas.

Por su parte, al observar a las pequeñas y microempresas, vemos que la participación de

cada uno de estos tipos de ocupaciones es bastante equitativa.

Dado lo anterior, y lo que sabemos respecto al contenido rutinario de las ocupaciones

elementales y sobre el personal de menor calificación, es que vemos que un cambio

tecnológico que implique la automatización de tareas rutinarias afectaría mayormente a la

estructura de empleo de las empresas más grandes, dada la alta participación de

ocupaciones elementales en su actual estructura de empleo.

Si analizamos esta misma situación ahora desde el punto de vista de los sectores

económicos, vemos que aquellos sectores con alto índice de intensidad de rutina también

56

mantienen una mayor proporción de ocupaciones elementales, asociadas a personal

menos calificado y por tanto sujeto a una mayor intensidad de tareas rutinarias.

Gráfico 25: estructura del empleo según sector económico. Chile 2015 - ELE


Interesante resulta el caso de Minas y Canteras, un sector intensivo en tecnologías de

punta que permiten lograr mayor eficiencia en los procesos de extracción y tratamiento

del mineral. Aquí se ve claramente que la estructura del empleo en el sector Minero, que

se desprende de la información reportada por los datos de la ELE, muestra síntomas de

polarización de las ocupaciones. Las ocupaciones elementales representan más de un

35%, los trabajadores calificados y directivos, juntos representan más del 46%, dejando

una participación muy menor a aquellas ocupaciones con un nivel medio de calificación,

incluyendo a personal de oficina, de comercio y servicios, los que en conjunto alcanzan

sólo el 17%. Sería interesante analizar en el futuro, cual es la relación entre innovación y

adopción de nuevas tecnologías en el sector minería. Si es que a medida que ha

aumentado la innovación, el gasto en I+D, y la adopción de nuevas tecnologías, se ha ido

marcando una tendencia hacia la polarización de su estructura de empleo.

En cuanto a la distribución de las nuevas contrataciones realizadas en 2015, vemos

nuevamente que las empresas grandes y medianas tienen comportamientos similares

entre sí, al igual que las pequeñas y microempresas.

57

Gráfico 26: Composición de las Nuevas Contrataciones según tamaño empresa. Chile 2015 - ELE


En todos los casos, vemos que la tendencia es contratar una estructura de empleo similar

a la que muestra la actual composición. No obstante, en términos proporcionales, todas

las empresas, independiente de su tamaño, han contratado proporcionalmente más

ocupaciones elementales que las que tienen en su actual estructura de empleo. Es decir,

contratan más a personas que sabemos tienden a ser colocadas en labores de carácter

más rutinario.

Al analizar las cifras por sector económico, vemos al igual que en el gráfico anterior, un

mayor número de trabajadores contratados para la realización de actividades de

ocupación elementales.

58

Gráfico 27: Composición de las Nuevas Contrataciones según sector económico. Chile 2015 - ELE

Fuente: elaboración base en base a ELE versión 4

Ahora bien, cuando analizamos los términos de contrato ejecutados en el año 2015,

vemos que tienen una estructura muy similar a la de las contrataciones. Esto es indicativo

de que la empresa está, al menos en el año 2015, manteniendo fija la estructura del

empleo. A nivel de sectores económicos se ve el mismo fenómeno de reemplazo

reposición del empleo o contrato finiquitado.

Gráfico 28: Composición de los términos de contrato según tamaño empresa. Chile 2015 - ELE

Fuente: elaboración base en base a ELE versión 4

Evolución del empleo – Rutinario v/s No Rutinario:

En el siguiente gráfico se realizó una ponderación del contenido rutinario (NR, BR, MR, AR)

de cada sector económico por su nivel de empleo anual para el caso chileno. Para efectos

59

de este análisis se supuso que las categorías o cuartiles de intensidad de rutina

permanecen constantes en el tiempo y son iguales a las expuestas en el gráfico 3. No

obstante, se debe considerar en el análisis el cambio en la clasificación de sectores

económicos implementada en el año 2013. Como se puede apreciar, en el gráfico 14 se

muestra la variación del número de empleados según su intensidad de rutina desde el

trimestre móvil enero-marzo del año 2010 hasta el trimestre móvil enero-marzo del año

2017. En general, vemos que entre 2010 y 2012 el número de empleos aumentó para

ambos grupos. Luego del cambio en la clasificación, vemos que en el año 2014 hubo un

aumento de personas empleada en ambos grupos, sin embargo, posterior al 2014 la

creación de empleo se da con mayor intensidad en sectores rutinario. Durante el periodo

2016-2017, la creación de nuevos empleos en sectores rutinarios es el doble que el

aumento de empleo en sectores no rutinarios. No obstante, este cambio no nos permite

establecer si existe alguna tendencia, ni tampoco asociarlo a alguna variación en el

contexto tecnológico.

Gráfico 29: aumento en el empleo según intensidad de rutina

Fuente: Elaboración propia en base a la base de datos PIACC 2015 y NENE 2017. Nota: empleo rutinario se refiere a la

proporción de trabajadores que se dedican a tareas de alta y media rutina.

Este resultado es interesante para la política pública ya que, si Chile mantiene en

incremento el empleo en sectores rutinarios, aumenta la población con mayor potencial

de automatización. A continuación, mostramos cuales son aquellos empleos que tienen

mayor potencial de ser reemplazados.

60

Anexo 5: Analisis comparativo cuartiles intensidad de rutina para

manufacturayservicios

Al explorar la intensidad de rutina por manufactura y servicios (Gráfico 30) podemos

observar que durante el primer trimestre móvil del 2017 la participación de los

trabajadores de alta rutina en el sector manufacturero es mayor que en servicios, al igual

que para el promedio de la OCDE. Sin embargo, para este último se observa una brecha

mayor (41% en manufactura versus 28% en servicios).

En cuanto a las ocupaciones no rutinarias alcanzan en promedio para la OCDE 11% del

empleo en manufactura y 15% en servicios, mientras que para Chile la participación es

inversa (17% y 13% respectivamente). Finalmente, las ocupaciones en el centro de la

distribución de intensidad de rutina, que pertenecen a BR y MR, representan el 53% en la

industria manufactura y 62% en la industria de servicios, similar a la distribución de la

OCDE.

Gráfico 30: Porcentaje de empleo por cuartil de intensidad en manufactura y servicios.

Chile vs OCDE para Manufactura y Servicios

Fuente: Marcolin et al. (2016a y 2016b) y elaboración propia con cálculos en base a PIAAC 2015 y NENE 2017.

61

Anexo6:CalificacionesenbasealasocupacionesCIUO08.

Calificación Descripción CIUO - 08

Calificada

Directores y gerentes 1

Profesionales, científicos e intelectuales 2

Técnicos y profesionales de nivel medio 3

Semi-Calificada Profesional

Personal de apoyo administrativo 4

Servicios y vendedores 5

Semi-Calificada Obrera

Agricultores y trabajadores del agro 6

Oficiales, operarios y artesanos 7

Operadores de instalaciones y maquinas 8

Elemental Ocupaciones elementales 9

62

Anexo7:NivelesdeDesempenoPIAAC2015:

Tablas disponibles para el caso chileno en la SERIE EVIDENCIAS, Nº33, 2016. Competencias

de la población adulta en Chile: Resultados PIAAC, del Ministerio de Educación. Para

mayor detalle, revisar capítulo 2, Segundo Reporte de la Evaluación Internacional de las

Competencias de Adultos (PIAAC) (OCDE, 2016a)

Niveles de competencias

Rango de puntaje

Lectura Numérica

Menor al

nivel 1

Menor a

176 puntos

Las tareas a este nivel requieren

que el encuestado lea textos

breves sobre temas conocidos y

sea capaz de ubicar una sola

ubicación específica. Sólo se

requiere el conocimiento básico

del vocabulario y no se requiere

que el lector comprenda la

estructura de oraciones o

párrafos.


que el encuestado lleve a cabo

procesos simples tales como

contar, ordenar, realizar

operaciones aritméticas básicas

con números enteros o dinero, o

reconocer representaciones

espaciales comunes.

Nivel 1 176 a 225

puntos


que el encuestado lea textos

digitales o impresos

relativamente cortos para

localizar una sola información

que sea idéntica o sinónima a la

información proporcionada en

la pregunta o directiva. Se

espera conocimiento y

habilidad para reconocer

vocabulario básico, determinar

el significado de oraciones y lea

párrafos de texto.


que el entrevistado lleve a cabo

procesos matemáticos básicos en

contextos comunes, concretos

donde el contenido matemático es

explícito. Las tareas suelen requerir

procesos en un solo paso o

sencillos que incluyan el conteo;

clasificación; realizar operaciones

aritméticas básicas; e identificar

elementos de representaciones

gráficas o espaciales sencillas o

comunes.

Nivel 2 226 a 275

puntos


que el entrevistado haga

coincidencias entre el texto, ya

sea digital o impreso, e

información, y puede requerir

parafrasear o inferencias de

bajo nivel.

Las tareas a este nivel requieren la

aplicación de dos o más pasos o

procesos que implican el cálculo

con números enteros y decimales

comunes, porcentajes y fracciones;

Medición simple y representación

espacial; Estimación; E

interpretación de datos y

estadísticas relativamente simples

en textos, tablas y gráficos.

Nivel 3 276 a 325

puntos

Los textos a este nivel suelen

ser densos o largos. Con

frecuencia se requiere entender

Las tareas a este nivel requieren la

aplicación del sentido del número y

del sentido espacial; Reconocer y

63

Niveles de competencias

Rango de puntaje

Lectura Numérica

el texto y las estructuras

retóricas, al igual que navegar

textos digitales complejos.

trabajar con relaciones

matemáticas, patrones y

proporciones expresadas en forma

verbal o numérica; Y la

interpretación de datos y

estadísticas en textos, tablas y

gráficos.

Nivel 4 326 a 375

puntos

Las tareas a este nivel a

menudo requieren que el

entrevistado realice

operaciones de varios pasos

para integrar, interpretar o

sintetizar información de textos

complejos o largos. Muchas

tareas requieren identificar y

comprender una o más ideas

específicas no centrales en el

texto con el fin de interpretar o

evaluar relaciones sutiles de

discusión de evidencia o

persuasión.


análisis y razonamiento más

complejo sobre las cantidades y los

datos; Estadísticas y posibilidades;

relaciones espaciales; Y cambio,

proporciones y fórmulas. También

pueden requerir la comprensión de

los argumentos o la comunicación

de explicaciones bien

fundamentadas de las respuestas o

las opciones.

Nivel 5 Igual o

mayor a 376

puntos

Las tareas a este nivel pueden

requerir que el encuestado

busque e integre información a

través de múltiples textos

densos; Construir síntesis de

ideas y puntos de vista similares

y contrastantes; O evaluar

argumentos basados en

evidencia. A menudo requieren

que los encuestados sean

conscientes de las señales

sutiles y retóricas y que hagan

inferencias de alto nivel o usen

conocimientos especializados

de fondo.

Las tareas a este nivel pueden

requerir que el entrevistado

integre múltiples tipos de

información matemática donde se

requiere una traducción o

interpretación considerable; Hacer

inferencias; Desarrollar o trabajar

con argumentos o modelos

matemáticos; Y reflexionar

críticamente sobre soluciones u

opciones.

Niveles de competencia

Rango de puntaje

Resolución de problemas en ambientes tecnológicos

Sin experiencia

con

computadores

No aplica Los adultos de esta categoría informaron no haber tenido experiencia

previa en la computadora; Por lo tanto, no participaron en la

evaluación basada en computadoras, sino que tomaron la versión en

papel de la evaluación, que no incluye la resolución de problemas en

el dominio del entorno rico en tecnología.

64

Niveles de competencia

Rango de puntaje

Resolución de problemas en ambientes tecnológicos

Falló en

pruebas de

Tecnologías de

la Información

y la

Comunicación

No aplica Los adultos de esta categoría tenían experiencia previa en

computación, pero fallaron en la prueba básica de TIC, la cual evalúa

las habilidades básicas de las TIC, como la capacidad de usar un mouse

o desplazarse por una página web, para tomar la evaluación

computarizada. Por lo tanto, no participaron en la evaluación basada

en computadoras, sino que tomaron la versión en papel de la

evaluación, que no incluye la resolución de problemas en el dominio

del entorno rico en tecnología.

Optó por no

participar de la

toma de

evaluación en

un computador

No aplica Los adultos de esta categoría optaron por tomar la evaluación basada

en el papel sin antes tomar la evaluación básica de TIC, incluso si

reportaron alguna experiencia previa con computadores. Tampoco

participaron en la evaluación basada en computadores, sino que

tomaron la versión en papel de la evaluación, que no incluye la

resolución de problemas en el dominio del entorno rico en tecnología.

Menor al nivel

1

Menor a

241 puntos

Las tareas se basan en problemas bien definidos que implican el uso

de una sola función dentro de una interfaz genérica para satisfacer un

criterio explícito sin ningún razonamiento categórico o inferencial o

transformación de información. Se requieren pocos pasos y no se

debe generar ningún subobjetivo.

Nivel 1 241 a 290

puntos

Las tareas a este nivel normalmente requieren el uso de aplicaciones

de tecnología ampliamente disponibles y familiares, como software de

correo electrónico o un navegador web. Se necesita poca o ninguna

navegación para acceder a la información o comandos necesarios para

resolver el problema. Las tareas implican pocos pasos y un número

mínimo de operadores. Sólo se requieren formas sencillas de

razonamiento, como la asignación de elementos a categorías; No hay

necesidad de contrastar o integrar la información.

Nivel 2 291 a 340

puntos

Las tareas a este nivel suelen requerir el uso de aplicaciones de

tecnología tanto genéricas como más específicas. Por ejemplo, el

encuestado puede tener que hacer uso de un nuevo formulario en

línea. Es necesario navegar por páginas y aplicaciones para solucionar

el problema. La tarea puede implicar múltiples pasos y operadores. El

objetivo del problema puede tener que ser definido por el

entrevistado, aunque los criterios que deben cumplirse son explícitos.

Nivel 3 Igual o

mayor a

341 puntos

Las tareas a este nivel suelen requerir el uso de aplicaciones de

tecnología tanto genéricas como más específicas. Es necesario

navegar por páginas y aplicaciones para solucionar el problema. La

tarea puede implicar múltiples pasos y operadores. El objetivo del

problema puede tener que ser definido por el encuestado, y los

criterios que deben cumplirse pueden o no ser explícitos. La

integración y el razonamiento inferencial pueden ser necesarios en

gran medida.

65

Anexo8:ModelosEconometricos

Para dar robustez a los resultados obtenidos en la caracterización de trabajadores se

realizaron estimaciones econométricas.

Primero, habiendo analizado las distintas correlaciones existentes entre el RII, o cuartiles

de intensidad de rutina, y otras variables como nivel educacional, edad, experiencia,

género y sector económico, con la siguiente regresión se verifica en términos gruesos

algún orden de magnitud del efecto de cada una de estas variables sobre el RII. Se utilizó

una regresión lineal estimada por mínimos cuadrados ordinarios, en que la variable

dependiente fue el RII. El índice de rutina �� ∈ �1,5 , donde 1 es No Rutinario y 5 es

Rutinario.

�� ! � "#$ %� � "&$'�� "�)� � *�

Donde,

$ %�: años de escolaridad del individuo � reportados en la PIAAC

$'��: años de experiencia del individuo � reportados en la PIAAC

)�: un vector de variables Dummies que controlan por género, sector económico y

tamaño de la firma.

Del modelo anterior, estimado por Mínimos Cuadrados Ordinarios podemos realizar las

siguientes observaciones (Ver Tabla 5):

• A mayor escolaridad, menor el índice de intensidad rutina. Esto se aprecia al

observar el coeficiente estimado para escolaridad, el cual es estadísticamente

significativo y reporta un valor de -0,095.

• En cuanto a los años de experiencia, con la información disponible y un nivel de

confianza del 95%, esta variable no resulta ser significativa.

• El género del trabajador/ra no resulta ser relevante en el resultado del índice de

intensidad de rutina.

• En cuanto al tamaño de la empresa, determinado a partir del número de

trabajadores (en tramos), resulta ser no significativo en el resultado del índice de

intensidad de rutina.

66

• El sector económico8 es relevante en el resultado del índice de intensidad de

rutina. Esto confirma el hecho de que hay sectores en que el contenido de tareas

rutinarias es mayor que en otros. Así, por ejemplo, vemos que el hecho de

pertenecer al sector de Agricultura, Silvicultura y Pesca (Sector 1 según CIIU Rev.

04), implica 1,44 puntos adicionales en el índice de intensidad de rutina.

Por cierto que estos resultados pueden ser analizados, en estudios futuros, con técnicas

más sofisticadas que permitan determinar con mayor precisión la relación existente entre

el RII y las distintas variables utilizadas en la regresión u otras variables adicionales. No

obstante, esta estimación nos da un primer indicio y orden de magnitud de los

determinantes de la intensidad de rutina que enfrentan los distintos trabajadores en sus

respectivos empleos y sectores económicos.

Tabla Determinantes del trabajo rutinario (RII) en Chile

8 Número de Sector Corresponden a la Clasificación CIIU Rev 04.

67

Tabla Salario por hora e intensidad de rutina

Tabla Salario por hora y trabajo rutinario

automatización y empleo en chile reporte final octubre 2017 · glosario • alto riesgo de...

Documents